Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA
DEPARTAMENTO DE CIÊNCIAS EXATAS
PÓS-GRADUAÇÃO EM MODELAGEM EM CIÊNCIAS
DA TERRA E DO AMBIENTE
DIÊGO PEREIRA COSTA
HOTSPOTS DE DESMATAMENTO COMO SUBSÍDIO AOS ESTUDOS
DE DESERTIFICAÇÃO NO BIOMA CAATINGA
FEIRA DE SANTANA-BA
2019
DIÊGO PEREIRA COSTA
HOTSPOTS DE DESMATAMENTO COMO SUBSÍDIO AOS ESTUDOS
DE DESERTIFICAÇÃO NO BIOMA CAATINGA
FEIRA DE SANTANA-BA
2019
Trabalho apresentado à Pós-Graduação em
Modelagem em Ciências da Terra e do Ambiente
PPGM, como dissertação final para obtenção do
título de mestrado.
Orientação: Dr. Washington de Jesus Sant’anna
da Franca Rocha
Co-orientação: Dr. Rodrigo Nogueira de
Vasconcelos
COMISSÃO JULGADORA
__________________________
Dr. Washington de Jesus S. F. Rocha
(orientador)
__________________________
Dr. Rodrigo Nogueira de Vasconcelos
(co-orientador)
_____________________________ _______________________________
Dr. Carlos Alessandre Domingos Lentini Dra. Jocimara Britto Lobão
____________________________ _______________________________
Dr. Waterloo Pereira Filho Dra. Elaine Cristina Cambuí Barbosa
“One Child, One Teacher, One Book,
One Pen Can Change The World”
Malala Yousafzai
AGRADECIMENTOS
Em geral, na pós-graduação, todas as etapas são tratadas como momentos de sofrimento,
de abdicação, de tortura e adjetivos afins. Contudo, o meu curso de mestrado foi mais que
especial. A Universidade Estadual de Feira de Santana-UEFS e o Programa de Pós-Graduação
em Modelagem em Ciências da Terra e do Ambiente - PPGM me proporcionaram experiências
extremamente enriquecedoras em todos os aspectos do meu viver profissional e social. No
mestrado, digo que convivi felizes dias na construção do saber científico, acompanhado de
pessoas que transformaram cada hora em momentos singulares, que permanecerão comigo por
toda a minha existência(tratarei de todas essas pessoas na sequência).
No PPGM, estive presente por mais de 6 anos, desde o início da graduação até o “fim”
deste ciclo de mestrado. Pelo vício de quantificar as coisas, com 25 anos, isso representa mais
de 20% da minha vida, mais de 2.000 dias ou 52.000 horas. Por todo esse contexto, agradecer
e despedir tornam-se tarefas extremamente complicadas e, no fundo, não sei como começar.
Porém, as páginas de agradecimentos são os únicos espaços para expor opiniões pessoais, com
sentimentos profundos e sem embasamentos teóricos (tenho que aproveitar). Nesse sentido,
agradeço:
Aos meus pais, agradecendo e pedindo desculpas pela minha “presença ausente” e por
todo o cuidado reservado a mim. Nesses 2 anos de mestrado e 6 de PPGM foram meus alicerces
para os dias difíceis e pontes de incentivo para o meu crescimento. Sem dúvidas, são os orgulhos
da minha vida;
Ao meu irmão Bruno, por toda a parceria, por todo o convívio e por todos os gestos de
colaboração que sempre foram demonstrados;
Ao meu orientador Washington Rocha, por todas as demonstrações de confiança, por
todas as portas que foram abertas, por toda a parceria e amizade construída nesses 6 anos de
convívio e de trabalho;
Ao meu co-orientador Rodrigo Vasconcelos, por todos os ensinamentos, por todos os
direcionamentos, por todos os conselhos e oportunidades que foram criadas;
A Deorgia Souza e Israel Junior, pelo pontapé inicial, pela atenção constante, pela
amizade e por todos os ensinamentos dedicados ao meu crescimento;
A Soltan Duverger e Thaison Monteiro, por todas as orientações, por todos os artigos
lidos, pelas viagens realizadas, pela grande parceria e amizade que cresce a cada dia;
A Jocimara Lobão, uma mãe da academia, por oportunizar orientações fantásticas, por
me direcionar para o bom caminho, por ser uma verdadeira professora;
A Joselisa Chaves, Carlos Uchoa, Ardemírio Barros e todo o corpo docente do PPGM;
A professora Elaine Cambuí e equipe da Universidade Federal da Bahia, pela intensa
colaboração ao desenvolvimento do trabalho;
Ao professor Jean Maz, pelo apoio na elaboração do segundo artigo dessa dissertação.
A Ellen Monteiro, minha companheira, pela reciprocidade rotineira, por todo o amor,
cuidado e carinho de todos os dias;
A Selma, Nerivaldo, Jonathas, Naiara, Thiago e Maiana pela amizade de sempre, pelo
meu crescimento profissional, pelos momentos de alegria que compartilhamos com frequência.
RESUMO
A partir do desenvolvimento de estudos ambientais em terras secas, a Organização das Nações
Unidas - ONU definiu a desertificação como a degradação das terras nas zonas áridas,
semiáridas e subúmidas secas, resultante de fatores como as variações climáticas e as atividades
humanas. Desta definição, percebe-se a ampla dimensão da problemática, que assola 24,1% da
extensão territorial do planeta Terra e afeta mais de 1 bilhão de indivíduos. Nesse sentido, existe
uma busca da sociedade científica por métodos e técnicas capazes de diagnosticar, monitorar e
mitigar os processos ambientais oriundos da desertificação em todo o planeta, dentre as quais
o Sensoriamento Remoto, que possui ferramental de grande notoriedade. Assim, neste trabalho,
foram elaborados dois artigos científicos que, em linhas gerais, objetivaram a elaboração de
uma estrutura conceitual e analítica dos indicadores de desertificação, por meio da mineração
de dados e de métodos geotecnológicos processados em nuvem, baseados em séries históricas
de imagens de satélite, no intuito de contribuir com o monitoramento ambiental e na avaliação
de áreas susceptíveis à desertificação no bioma Caatinga. O primeiro artigo almejou identificar
na literatura associada ao sensoriamento remoto, avanços conceituais e metodológicos na
análise do processo de desertificação, que constatam a evolução do uso dos principais
indicadores ambientais ao longo do tempo, em publicações de referência. Neste, foram
produzidas redes de dados textuais e de dados bibliográficos. Os resultados obtidos foram: i)
de 2007 a 2017 concentram-se 60% das publicações disponíveis nos últimos 40 anos; ii) é
evidenciado um crescimento exponencial do número de artigos após o início do século XXI;
iii) a China é o país mais representativo em número de publicações; iv) foram identificados os
principais periódicos e os principais institutos de pesquisa que publicam sobre a temática; v)
foram mapeados os termos mais representativos nos artigos analisados; vi) identificou-se os
autores que mais publicam e os autores mais citados na base de dados. A análise bibliométrica
possibilitou reconhecer padrões nas publicações, no que se refere aos autores, a distribuição
geográfica das publicações, bem como evidenciou que a cobertura vegetal e as mudanças
climáticas são os temas mais associados ao estudo da desertificação por meio do sensoriamento
remoto. O segundo artigo consistiu na análise de séries históricas de uso e cobertura da terra,
com a finalidade de entender a dinâmica de transição da cobertura vegetal natural para
diferentes classes de uso, subsidiando o entendimento da distribuição espacial do
desmatamento, que se constitui em um importante indicador de análise da desertificação. Para
tal, foi aplicado o índice estatístico de Ord & Getis, o qual gera valores de Z que indicam se as
características estão agrupadas estatisticamente a uma determinada distância. Em geral, o índice
comparou uma taxa de desmatamento local com uma taxa de desmatamento geral do bioma
Caatinga para saber se a diferença entre elas é estatisticamente significativa. Obteve-se como
resultado uma matriz de correlação entre as classes mapeadas, com os respectivos valores do
coeficiente de Pearson e tendências de evolução das classes. Gerou-se mapas de desmatamento
para cada ano da série temporal, bem como produziu-se mapas de frequência dos dados de
desmatamento. Este estudo identificou áreas com problemáticas recorrentes de desmatamento
dentro do bioma, o que possibilita estudos em escalas de mais detalhe nessas localidades, para
identificar as pressões ambientais exercidas sobre essas áreas, bem como, facilita a ação do
poder público e das instituições de preservação do meio ambiente para a fiscalização das áreas
críticas.
ABSTRACT
From the development of environmental studies in drylands, the United Nations - UN has
defined desertification as the degradation of land in the arid, semi - arid and dry sub - humid
areas resulting from factors such as climatic variations and human activities. From this
definition, one can perceive the wide dimension of the problem, which devastates 24.1% of the
territorial extension of planet earth and affects more than 1 billion individuals. In this sense,
there is a search of the scientific society for methods and techniques capable of diagnosing,
monitoring and mitigating the environmental processes resulting from desertification
throughout the planet, among which Remote Sensing has tools of great notoriety. Thus, in this
work, two scientific articles were elaborated, which, in general terms, aimed at the elaboration
of a conceptual and analytical framework of indicators of desertification, through data mining
and geotechnological methods in cloud, based on historical series of satellite images , in order
to contribute to the environmental monitoring and evaluation of areas susceptible to
desertification in the Caatinga biome. The first one aimed at identifying in the literature
associated with remote sensing, conceptual and methodological advances in the analysis of the
desertification process, which show the evolution of the use of the main environmental
indicators over time, in reference publications. In this, textual data networks and bibliographic
data were produced, as well as quantitative metrics exported from the Scopus platform itself.
The results obtained were: i) from 2007 to 2017 60% of the available publications were
concentrated in the last 30 years; ii) peaks of publications are evidenced in specific years of the
time series; (iii) China is the most representative country in terms of number of publications;
iv) the main journals and the main research institutes that publish on the theme were identified;
v) the most representative terms were mapped in the articles analyzed; vi) we identified the
authors who publish the most and the most cited authors in the database. The bibliometric
analysis made it possible to recognize patterns in the publications, with regard to the authors,
the geographic distribution of the publications, as well as showed that plant cover and climate
change are important themes for the study of desertification through remote sensing. The second
article consisted of the analysis of historical land cover and use series, in order to understand
the transition dynamics of the natural vegetation cover for different classes of use, subsidizing
the understanding of the spatial distribution of deforestation, which constitutes an important
indicator of analysis of desertification. For this, the statistical index of Ord & Getis was applied,
which generates values of Z that indicate if the characteristics are grouped statistically at a
certain distance. In general, the index compared a local deforestation rate with a general
deforestation rate of the Caatinga biome to determine if the difference between them is
statistically significant. A correlation matrix between the mapped classes was obtained, with
the respective Pearson coefficient values and evolution trends of the classes. Deforestation
maps were generated for each year of the time series, as well as frequency maps of deforestation
data were produced. This study identified areas with recurrent problems of deforestation within
the biome, which makes it possible to study in more detail scales in these localities, to identify
the environmental pressures exerted on these areas, as well as facilitates the action of the public
power and institutions of preservation of the environment environment for monitoring these
critical areas.
RESUMEN
A partir del desarrollo de estudios ambientales en tierras secas, la Organización de las Naciones
Unidas - ONU definió la desertificación como la degradación de las tierras en las zonas áridas,
semiáridas y subacuáticas secas, resultante de factores como las variaciones climáticas y las
actividades humanas. De esta definición, se percibe la amplia dimensión de la problemática,
que asola el 24,1% de la extensión territorial del planeta tierra y afecta a más de mil millones
de individuos. En este sentido, existe una búsqueda de la sociedad científica por métodos y
técnicas capaces de diagnosticar, monitorear y mitigar los procesos ambientales oriundos de la
desertificación en todo el planeta, entre los cuales el Sensoriamiento Remoto posee
herramientas de gran notoriedad. Así, en este trabajo se elaboraron 2 artículos científicos que,
en líneas generales, objetivaron la elaboración de una estructura conceptual y analítica de los
indicadores de desertificación, por medio de la minería de datos y de métodos geotecnológicos
en nube, basados en series históricas de imágenes de satélite , con el fin de contribuir con el
monitoreo ambiental y en la evaluación de áreas susceptibles a la desertificación en el bioma
Caatinga. El primero anheló identificar en la literatura asociada al sensoriamiento remoto,
avances conceptuales y metodológicos en el análisis del proceso de desertificación, que
constaten la evolución del uso de los principales indicadores ambientales a lo largo del tiempo,
en publicaciones de referencia. En este, se produjeron redes de datos textuales y de datos
bibliográficos, así como se utilizó de métricas cuantitativas exportadas de la propia plataforma
de Scopus. Los resultados obtenidos fueron: i) de 2007 a 2017 se concentran el 60% de las
publicaciones disponibles en los últimos 30 años; ii) picos de publicaciones se evidencian en
años específicos de la serie temporal; iii) China es el país más representativo en número de
publicaciones; iv) se identificaron los principales periódicos y los principales institutos de
investigación que publican sobre la temática; v) se han asignado los términos más
representativos en los artículos analizados; vi) se identificaron los autores que más publican y
los autores más citados en la base de datos. El análisis bibliométrico posibilitó reconocer
patrones en las publicaciones, en lo que se refiere a los autores, la distribución geográfica de
las publicaciones, así como evidenció que la cobertura vegetal y los cambios climáticos son
temas importantes para el estudio de la desertificación por medio del sensoriamiento remoto.
El segundo artículo consistió en el análisis de las series históricas de uso y cobertura de la tierra,
a fin de entender la dinámica de transición de la cobertura vegetal natural a diferentes clases de
uso, subsidiando el entendimiento de la distribución espacial de la deforestación, que se
constituye en un importante indicador de análisis de la desertificación. Para ello, se aplicó el
índice estadístico de Ord & Getis, el cual genera valores de Z que indican si las características
están agrupadas estadísticamente a cierta distancia. En general, el índice comparó una tasa de
deforestación local con una tasa de deforestación general del bioma Caatinga para saber si la
diferencia entre ellas es estadísticamente significativa. Se obtuvo como resultado una matriz de
correlación entre las clases mapeadas, con los respectivos valores del coeficiente de Pearson y
las tendencias de evolución de las clases. Se generaron mapas de deforestación para cada año
de la serie temporal, así como se produjeron mapas de frecuencia de los datos de deforestación.
Este estudio identificó áreas con problemáticas recurrentes de deforestación dentro del bioma,
lo que posibilita estudios en escalas de más detalle en esas localidades, para identificar las
presiones ambientales ejercidas sobre esas áreas, así como facilita la acción del poder público
y de las instituciones de preservación del medio ambiente para la vigilancia de estas áreas
críticas.
LISTA DE FIGURAS
Figura 1. Fluxograma metodológico para alcançar os resultados demonstrados no presente
artigo. Eles expressam trajetórias reconhecidas dentro da análise bibliométrica da literatura
científica. .................................................................................................................................. 27
Figura 2. Evolução anual das publicações que envolvem desertificação e sensoriamento
remoto, disponíveis na base de dados da Scopus. A linha azul indica a tendência de
comportamento dos dados. Os pontos indicam o número de publicações. A sombra cinza indica
o desvio padrão dos dados. ....................................................................................................... 28
Figura 3. Linha do tempo das principais convenções e debates que discutem a desertificação,
a degradação das terras e as mudanças climáticas. ................................................................... 30
Figura 4. Relação das publicações entre os países. O tamanho dos círculos é proporcional a
quantidade de publicações dos países. A espessura das arestas representa a intensidade das
relações. As cores indicam a evolução dos países, em número de publicações, no tempo. ..... 31
Figura 5. Relação dos termos que mais aparecem nos artigos científicos analisados. O tamanho
dos círculos é proporcional a quantidade de vezes que os termos aparecem. A espessura das
arestas representa a intensidade das relações. As cores indicam os clusters, que foram agrupados
com base na proximidade dos termos. ...................................................................................... 33
Figura 6. Relação dos termos que mais aparecem nos artigos científicos analisados no tempo.
O tamanho dos círculos é proporcional a quantidade de vezes que os termos aparecem. A
espessura das arestas representa a intensidade das relações. As cores indicam a evolução dos
países, em número de publicações, no tempo ........................................................................... 34
Figura 7. Rede de co-autoria. O tamanho dos círculos é proporcional a quantidade de
publicação dos autores. O tamanho das arestas representam a intensidade das relações entre os
autores. As cores indicam clusters, que demonstram autores que mais interagem no que se refere
as publicações ........................................................................................................................... 35
Figura 8. Mapa de localização do Bioma Caatinga no nordeste do Brasil. A mapa foi elaborado
a partir de um mosaico mediana do sensor landsat8 para o ano de 2016. A composição colorida
foi de falsa cor sendo a banda SWIR1 no canal “red”, NIR no canal “green” e RED no canal
“blue”. ....................................................................................................................................... 53
Figura 9. Fluxograma metodológico para alcançar os resultados demonstrados no presente
artigo. ........................................................................................................................................ 57
Figura 10. Gráficos de evolução temporal das classes de uso e cobertura da coleção 2.3 do
PROJETO MAPBIOMAS. A linha preta indica a tendência de evolução das classes no tempo.
A sombra cinza representa o desvio padrão dos dados. ........................................................... 58
Figura 11. matriz de correlação das classes de uso e cobertura da coleção 2.3 do PROJETO
MAPBIOMAS. Quanto maior a correlação entre as classes, maior é o tamanho das fontes nos
valores de correlação. As correlações mais representativas também são marcadas com estrelas
vermelhas. A linha vermelha indica representa as tendências dos dados. “Solo” equivale a classe
“outras áreas não vegetadas”. “Agr” equivale a classe “agropecuária”. “Camp” equivale a classe
“Formações Naturais Não Florestais”. “Flo” equivale a classe “Formações Florestais”. ........ 59
Figura 12. Ilustração de hotspots de desmatamento para o bioma Caatinga de 2015 para 2016.
As cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de
pixel identificados como desmatado, ano a ano, para a série temporal. Os Demais mapas estão
em anexo nessa dissertação ...................................................................................................... 61
Figura 13. Frequência de hotspots de desmatamento no bioma Caatinga. As cores mais quentes
representam a quantidade de anos com recorrência de hotspots de desmatamento. a) recorrência
de hotspots com valor de z maior que 2; b) recorrência de hotspots com valor de z maior que 5;
c) recorrência de hotspots com valor de z maior que 10. ......................................................... 62
Figura 14. Mapa de hotspots de desmatamento para o bioma Caatinga de 2000 para 2001. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 67
Figura 15. Mapa de hotspots de desmatamento para o bioma Caatinga de 2001 para 2002. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 68
Figura 16. Mapa de hotspots de desmatamento para o bioma Caatinga de 2002 para 2003. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 69
Figura 17. Mapa de hotspots de desmatamento para o bioma Caatinga de 2003 para 2004. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 70
Figura 18. Mapa de hotspots de desmatamento para o bioma Caatinga de 2004 para 2005. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 71
Figura 19.Mapa de hotspots de desmatamento para o bioma Caatinga de 2005 para 2006. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 72
Figura 20. Mapa de hotspots de desmatamento para o bioma Caatinga de 2006 para 2007. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 73
Figura 21. Mapa de hotspots de desmatamento para o bioma Caatinga de 2007 para 2008. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 74
Figura 22. Mapa de hotspots de desmatamento para o bioma Caatinga de 2008 para 2009. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 75
Figura 23. Mapa de hotspots de desmatamento para o bioma Caatinga de 2009 para 2010. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 76
Figura 24. Mapa de hotspots de desmatamento para o bioma Caatinga de 2010 para 2011. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 77
Figura 25. Mapa de hotspots de desmatamento para o bioma Caatinga de 2011 para 2012. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 78
Figura 26. Mapa de hotspots de desmatamento para o bioma Caatinga de 2012 para 2013. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 79
Figura 27. Mapa de hotspots de desmatamento para o bioma Caatinga de 2013 para 2014. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 80
Figura 28. Mapa de hotspots de desmatamento para o bioma Caatinga de 2014 para 2015. As
cores quentes evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel
identificados como desmatado, ano a ano, para a série temporal. ............................................ 81
LISTA DE QUADROS E TABELAS
Tabela 1. Os 10 periódicos que mais publicaram artigos sobre desertificação e sensoriamento
remoto em todo o mundo. ......................................................................................................... 29
Tabela 2. Os 20 institutos que mais publicaram artigos sobre desertificação e sensoriamento
remoto em todo o mundo. ......................................................................................................... 32
Tabela 3. (a) Os 10 autores mais citados nos artigos sobre desertificação e sensoriamento
remoto em todo o mundo (b) Os 10 autores que mais publicaram artigos sobre desertificação e
sensoriamento remoto em todo o mundo. ................................................................................. 36
Tabela 4. Tabela de reclassificação das classes de cobertura da terra com base na coleção 2.3
do PROJETO MAPBIOMAS. .................................................................................................. 55
LISTA DE SIGLAS E ABREVIATURAS
ONU – Organização das Nações Unidas
UEFS – Universidade Estadual de Feira de Santana
PPGM – Programa de Pós-Graduação em Modelagem em Ciências da Terra e do Ambiente
UNCCCD – Convenção das Nações Unidas para o Combate a Desertificação
SUMÁRIO
CAPITULO 1 – INTRODUÇÃO ............................................................................................ 17
1.1 OBJETIVO GERAL .......................................................................................................... 19
1.2 OBJETIVOS ESPECÍFICOS ............................................................................................ 19
1.3 QUESTÕES NORTEADORAS DA PESQUISA ............................................................ 19
REFERÊNCIAS ...................................................................................................................... 20
CAPITULO 2 – DESERTIFICAÇÃO E SENSORIAMENTO REMOTO: 40 ANOS DE
EVOLUÇÃO ........................................................................................................................... 22
1.INTRODUÇÃO .................................................................................................................... 23
2. MÉTODOS .......................................................................................................................... 24
2.1 – Base de Dados ................................................................................................................ 24
2.2 – Análise Bibliométrica ..................................................................................................... 25
2.2.1 Redes Com Base em Dados Bibliográficos .............................................................. 25
2.2.1 Redes Com Base Em Dados Textuais ....................................................................... 25
3. RESULTADOS ................................................................................................................... 28
3.1 Informações Gerais ............................................................................................................ 28
3.3 Principais Termos, indicadores e metodologias ................................................................ 32
3.4 Autores que mais publicam e autores mais citados ........................................................... 35
4. DISCUSSÃO ....................................................................................................................... 36
5. CONSIDERAÇÕES FINAIS .............................................................................................. 39
REFERÊNCIAS ...................................................................................................................... 40
ANEXO 1 – TODOS OS TERMOS MAPEADOS PELO VOSVIEWER ............................. 43
ANEXO 2 – TERMOS QUE PERMANECERAM NAS REDES .......................................... 47
ANEXO 3 – TERMOS QUE FORAM UNIDOS ................................................................... 49
CAPITULO 3 – DINÂMICA ESPAÇO-TEMPORAL DA COBERTURA DA TERRA NO
BIOMA CAATINGA: MAPEAMENTO DE HOTSPOTS DE DESMATAMENTO
APLICADO AO ESTUDO DO PROCESSO DE DESERTIFICAÇÃO ................................ 50
1. INTRODUÇÃO ............................................................................................................... 51
2. MATERIAIS E MÉTODOS ................................................................................................ 52
2.1 Área de Estudo .................................................................................................................. 52
2.2 Aquisição dos Dados ......................................................................................................... 54
2.3 Análise dos Dados ............................................................................................................. 54
2.4 Identificação dos Hotspots de Desmatamento ................................................................... 55
3. RESULTADOS E DISCUSSÃO ........................................................................................ 57
4. CONCLUSÕES ................................................................................................................... 63
REFERÊNCIAS ...................................................................................................................... 64
ANEXO 4 – MAPAS DE HOTSPOT DE DESMATAMENTO DA SÉRIE TEMPORAL ... 67
CAPITULO 4 – CONSIDERAÇÕES E RECOMENDAÇÕES FINAIS ............................... 82
17
CAPITULO 1 – INTRODUÇÃO
As discussões acerca das questões ambientais ganham maior relevância em meados do
século XX, em função da constatação da crise ambiental vivenciada nas escalas global, regional
e local, decorrentes da exploração dos recursos naturais (ORGANIZAÇÃO DAS NAÇÕES
UNIDAS, 1995). Em meio a estas discussões, incluía-se a desertificação, processo que assola
as terras secas, como a do Sahel africano, amplamente difundida na época por diversas
literaturas (HARE et al. 1992; NASCIMENTO, 2013; ORGANIZAÇÃO DAS NAÇÕES
UNIDAS, 1995, 1997).
A partir do desenvolvimento de estudos em terras secas, foi possível definir a
desertificação como “a degradação das terras nas zonas áridas, semiáridas e sub-úmidas secas,
resultante de vários fatores, incluindo as variações climáticas e as atividades humanas”
(ORGANIZAÇÃO DAS NAÇÕES UNIDAS, 1997). Diante dessa definição, percebe-se a
amplitude das pesquisas sobre a desertificação, já que a degradação da terra concatena a
investigação de elementos físicos, biológicos e sociais das paisagens (MATALLO JUNIOR,
2001), bem como, evidencia que a ação humana está no cerne do processo (BRASIL, 2004;
HARE et al., 1992).
No Brasil, os estudos pioneiros foram desenvolvidos por Vasconcelos Sobrinho (1971,
1974, 1978) e Ab’Saber (1977), que apontavam espaços geográficos em estágio avançados de
degradação, como em Irauçuba-CE, Gilbués-PI, Cabrobó-PE e Altos Pelados-BA. Estes
estudos têm sido desenvolvidos principalmente na região semiárida que é caracterizada por
diferentes níveis de susceptibilidade ao processo de desertificação, em função das
características bioclimáticas, como os solos rasos, os longos períodos de estiagem e a
consequente escassez de recursos hídricos (VASCONCELOS SOBRINHO, 1978).
A situação torna-se grave devido ao uso das terras, que amplia a propensão à ocorrência
da degradação, constituindo-se tema de preocupação para o planejamento, gestão e o
ordenamento territorial. Os impactos da desertificação estão diretamente ligados à redução da
produtividade para os pequenos, médios e grandes produtores, com a ocorrência de um
desequilíbrio ambiental (MATALLO JUNIOR, 2001), nas dimensões físicas, biológicas e
sociais.
De acordo com Ab’Saber (1977; 2003) o pastoreio extensivo de bovinos, caprinos e
ovinos e o desmatamento para a retirada de lenha e para a ampliação das áreas agrícolas são
práticas desencadeadas, comumente, no bioma Caatinga, onde o processo de desertificação se
18
distribui em diferentes pontos. Sem a consideração das fragilidades ambientais, essas práticas
provocam alterações nos sistemas ambientais, que geram impactos negativos, principalmente,
nos sistemas pedológicos. Esses elementos contribuem para alterações nas propriedades do
clima em diferentes escalas espaciais, o que desencadeia em processos de degradação, a curto
prazo, irreversíveis.
A partir do entendimento da dimensão da problemática da degradação das terras, existe
uma busca da sociedade científica por métodos e técnicas capazes de diagnosticar, monitorar e
mitigar os processos ambientais oriundos da desertificação em todo o planeta, dentre as quais
o Sensoriamento Remoto, que possui ferramental de grande notoriedade. Com isso, este
trabalho buscou, primeiramente, entender como se dá a aplicação das técnicas de Sensoriamento
Remoto nos estudos de desertificação no mundo e, a partir do conhecimento das principais
ferramentas, aplicar métodos de análise dos processos de degradação ambiental no bioma
Caatinga que, comparado a outras regiões do Brasil, possui poucos dados produzidos em termos
de monitoramento ambiental.
Por essa perspectiva, esse estudo consta de dois capítulos em formato de artigos
científicos. O primeiro deles, uma revisão bibliográfica, que consiste na análise da produção
científica, de artigos de referência, sobre as temáticas que envolvem o sensoriamento remoto e
a desertificação, simultaneamente. Com isso, objetivou-se identificar na literatura associada a
desertificação, avanços conceituais e metodológicos na análise da problemática, que constatem
a evolução do uso dos principais indicadores ambientais ao longo do tempo. Para tal, foram
produzidas redes de dados textuais e de dados bibliográficos, bem como utilizou-se de métricas
quantitativas exportadas da plataforma da Scopus. Essa etapa do trabalho foi importante para
direcionar o capítulo posterior, visto que foram identificados os principais autores, indicadores
e técnicas presentes em artigos de todo o mundo.
O segundo artigo consistiu no mapeamento de hotspots de desmatamento para uma série
temporal de 17 anos, em que buscou-se elaborar mapas de transição de vegetação florestal
natural para usos antrópicos, por meio da base de dados do projeto MAPBIOMAS, coleção 2.3
(www.mapbiomas.org). Neste, foi possível identificar áreas com problemáticas recorrentes de
desmatamento dentro do bioma, o que possibilita estudos em escalas de mais detalhe nessas
localidades, para identificar as pressões ambientais exercidas sobre essas áreas.
19
1.1 OBJETIVO GERAL
- Utilizar estruturas conceituais e analíticas dos indicadores de desertificação, por meio da
análise bibliométrica e de métodos tecnológicos processados em nuvem, baseados em séries
históricas de dados geoespaciais, no intuito de contribuir com o monitoramento ambiental e na
identificação de áreas susceptíveis a desertificação no bioma Caatinga.
1.2 OBJETIVOS ESPECÍFICOS
- Identificar na literatura associada a desertificação, avanços conceituais e metodológicos na
análise da problemática por meio de técnicas de sensoriamento remoto, que constatem a
evolução do uso dos principais indicadores ambientais ao longo do tempo, em publicações de
referência;
- Analisar séries históricas de uso e cobertura da terra, afim de entender a dinâmica de transição
da cobertura vegetal natural para diferentes classes de uso, subsidiando o entendimento da
distribuição espacial do desmatamento, que se constitui em um importante indicador de análise
da desertificação.
1.3 QUESTÕES NORTEADORAS DA PESQUISA
- É possível identificar na literatura associada a desertificação e ao sensoriamento remoto os
principais indicadores de análise e as principais metodologias empregadas nesses estudos?
Dessas respostas, torna-se possível identificar áreas susceptíveis à desertificação no bioma
Caatinga, com a integração de uma grande massa de dados geoespaciais, por meio de técnicas
de Sistema de Informações Geográfica e do Sensoriamento Remoto?
20
REFERÊNCIAS
AB’SABER, A. N. Problemática da desertificação e da savanização no Brasil intertropical.
Geomorfologia, São Paulo, n. 53, p. 1-19, 1977.
______. Domínios de natureza no Brasil, potencialidades paisagísticas. São Paulo: Ateliê
Editorial, 2003
ACCIOLY, J. L. O; OLIVEIRA,M. A. J; SILVA, F. H. B. B.; BURGOS, M. Avaliação de
mudanças no albedo do núcleo de desertificação do Seridó através de imagens do LANDSAT
TM. Anais X SBRS, Foz do Iguaçu, 2001.
BRASIL, Ministério do Meio Ambiente. Programa Nacional de Combate à Desertificação e
Mitigação dos Efeitos da Seca – PAN-Brasil. Brasília, DF: Ministério do Meio Ambiente;
Secretaria de Recursos Hídricos, 2004.
FULLEN, M.A. E CATT, J.A. (2004). Soil management – problems and solutions. Oxford,
Oxford University Press.
GUERRA, A.J.T. e JORGE, M. C. O. Degradação dos Solos no Brasil (Organizadores).
Bertrand Brasil, Rio de Janeiro, RJ, 2014.
HARE, F. K et al. Desertificação: causas e consequências. Lisboa: Fundação Calouste
Gulbenkian, 1992.
JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos
terrestres. 2ed. São José dos Campos: Parêntese, 2009, 604 p.
LATORRE, M.L.; SHIMABUKURO, Y.E.; ANDERSON, L.O. Produtos para ecossistemas
terrestres (MODLAND). In: RUDORFF, B.F.T.; SHIMABUKURO, Y. E.; CEBALLOS, J.C.
(Eds.): O sensor MODIS e suas aplicações ambientais no Brasil, São José dos Campos: Ed.
Parêntese, p. 23 - 36, 2007.
LIU, Y.; HIYAMA, T.; YAMAGUCHI, Y. Scaling of land surface temperature using
satellite data: A case examination on ASTER and MODIS products over a heterogeneous
terrain area. RemoteSensing of Environment, v.105, p.115-128, 2006.
LOBÃO, J. S. B.; SILVA, B. C. N. Análise socioambiental na região semiárida da Bahia:
geoprocessamento como subsídio ao ordenamento territorial. Feira de Santana: UEFS Editora,
2013.
LOBAO, J. S. B. ; VALE, R. M. C. . Lógica Fuzzy na modelagem da desertificação no estado
da Bahia. Geografia, Rio Claro, v. 38, p. 123-140, 2013.
LOBÃO, J. S. B. Análise ambiental no semiárido baiano como subsídio ao ordenamento
territorial: a vulnerabilidade à desertificação no pólo de Jeremoabo. Feira de Santana: UEFS,
2014 (Relatório de pesquisa).
21
MATALLO JUNIOR, H. Indicadores de desertificação: histórico e perspectiva. Brasília, DF:
UNESCO, 2001.
MÉREGA, J. L. El problema de La Desertification. In: Desertification y Sociedad Civil.
Fundacion Del Sur. Argentina. 2003. P.7-27.
NASCIMENTO, F. R. O fenômeno da desertificação. Goiânia: UFG, 2013.
NIMER, E. Desertificação: realidade ou mito? Revista Brasileira de Geografia, Rio de
Janeiro, v. 50, n.1, p.7-39, 1988.
OLIVEIRA JUNIOR, I. O processo de desertificação: a vulnerabilidade e a degradação
ambiental no polo regional de Jeremoabo-Bahia. Dissertação (Mestrado em Geografia) –
Programa de Pós-Graduação em Geografia, Universidade Federal da Bahia, Instituto de
Geociências, Salvador, 2014.
ORGANIZAÇÃO DAS NAÇÕES UNIDAS. Agenda 21: Conferência das Nações Unidas
sobre o Meio Ambiente e Desenvolvimento: de acordo com a resolução n. 44/228 da
Assembléia Geral da ONU, de 22-12-89. São Paulo: Secretaria do Estado do Meio Ambiente,
1995.
______. Convenção das Nações Unidas de combate à desertificação nos países afetados
por seca grave e/ou desertificação, particularmente na África. Brasília, DF: Ministério do
Meio Ambiente, 1997.
PROJETO MAPBIOMAS – Coleção 2.3 da Série Anual de Mapas de Cobertura e Uso de Solo
do Brasil, acessado em 01/08/2018 através do link: www.PROJETO MAPBIOMAS.org
SALES, M. C. L. Degradação Ambiental em Gilbués, Piauí. Mercator. Ceará, ano 2, n. 4, p.
115-124, 2003.
SUPERINTENDÊNCIA DE ESTUDOS ECONÔMICOS E SOCIAIS DA BAHIA (SEI).
Balanço hídrico do estado da Bahia. Salvador: SEI, 1999.
SISTEMA DE INFORMAÇÃO GEOREFERENCIADAS – SIG-BAHIA Sistema de
Informações sobre Recursos Hídricos – SIRH. Salvador: Superintendência de Recursos
Hídricos, 2003. 2 CD – Rom.
TRICART, J. Ecodinâmica. Rio de Janeiro: IBGE, 1977.
VASCONCELOS SOBRINHO, J. Núcleos de desertificação no polígono das secas. In: ICB,
1. 1971, Recife. Anais... Recife: Universidade Federal de Pernambuco, 1971.
______. O deserto brasileiro. Recife: Universidade Federal Rural de Pernambuco, 1974.
______. Identificação de processos de desertificação no polígono das secas do Nordeste
brasileiro. Recife: SUDENE, 1978.
22
CAPITULO 2 – DESERTIFICAÇÃO E SENSORIAMENTO REMOTO: 40 ANOS DE
EVOLUÇÃO
RESUMO: o conhecimento acerca das metodologias empregadas no monitoramento da desertificação, por meio
das técnicas de Sensoriamento Remoto, encontra-se disperso em termos conceituais. Nesse sentido, as técnicas de
análise bibliométrica, em conjunto com as técnicas de mineração de texto, auxiliam no reconhecimento de padrões
na literatura científica. Assim, o presente trabalho objetivou analisar as publicações em artigos científicos
indexados na base de dados da Scopus, que envolvem simultaneamente as temáticas de sensoriamento remoto e
desertificação. Para tal, foram produzidas redes de dados textuais e de dados bibliográficos, bem como utilizou-se
de métricas quantitativas exportadas da própria plataforma da Scopus. Os resultados obtidos foram: i) de 2007 a
2017 concentram-se 60% das publicações disponíveis nos últimos 30 anos; ii) picos de publicações são
evidenciados em anos específicos da série temporal; iii) a China é o país mais representativo em número de
publicações; iv) foram identificados os principais periódicos e os principais institutos de pesquisa que publicam
sobre a temática; v) foram mapeados os termos mais representativos nos artigos analisados; vi) identificou-se os
autores que mais publicam e os autores mais citados na base de dados. A análise bibliométrica possibilitou
reconhecer padrões nas publicações, no que se refere aos autores, a distribuição geográfica das publicações, bem
como evidenciou que a cobertura vegetal e as mudanças climáticas são temas importantes para o estudo da
desertificação por meio do sensoriamento remoto.
PALAVRAS-CHAVE: cienciometria, degradação ambiental, imagens de satélite.
ABSTRACT: the knowledge about the methodologies used in the monitoring of desertification, through the
techniques of Remote Sensing, is dispersed in conceptual terms. In this sense, bibliometric analysis, together with
the techniques of text mining, can help in the recognition of patterns in the scientific literature. Thus, the present
work aimed to analyze the publications in scientific articles indexed in the Scopus database, which simultaneously
involve the themes of remote sensing and desertification. For this purpose, textual data and bibliographic data
networks were produced, as well as quantitative metrics exported from the Scopus platform itself. The results
obtained were: i) from 2007 to 2017 60% of the available publications were concentrated in the last 30 years; ii)
peaks of publications are evidenced in specific years of the time series; (iii) China is the most representative
country in terms of number of publications; iv) the main journals and the main research institutes that publish on
the theme were identified; v) the most representative terms were mapped in the articles analyzed; vi) we identified
the authors who publish the most and the most cited authors in the database. The bibliometric analysis made it
possible to recognize patterns in the publications, with regard to the authors, the geographic distribution of the
publications, as well as showed that plant cover and climate change are important themes for the study of
desertification through remote sensing.
KEY-WORLD: Scientometrics, land degradation, satellite images.
23
1.INTRODUÇÃO
Dentre as problemáticas socioambientais que são persistentes no mundo global, a
desertificação destaca-se como uma questão de grande relevância, visto que evidencia
problemas de degradação das terras que afetam a segurança alimentar, a qualidade de vida das
populações e, sobretudo, a manutenção do equilíbrio ecológico (DAWELBAIT; MORARI,
2012; WESSELS; VAN DEN BERGH; SCHOLES, 2012). Nesse sentido, a Organização das
Nações Unidas (1992) define a desertificação como uma degradação das terras, resultante das
variações climáticas e das atividades humanas, em zonas áridas, semiáridas e sub-úmidas secas.
Dada a dimensão espacial de abrangência das áreas apontadas como susceptíveis a
desertificação e a sua importância sob a perspectiva socioambiental, inúmeros grupos de
pesquisa demandam e desenvolvem metodologias e técnicas para o monitoramento desse tipo
de degradação (HERRMANN; ANYAMBA; TUCKER, 2005). Dentre o ferramental
metodológico adotado, o Sensoriamento Remoto possibilitou análises para o diagnóstico da
desertificação, com as primeiras contribuições documentadas em concomitância com o
lançamento dos primeiros sistemas sensores (COUREL; HABIF, 1982; ROBINOVE et al.,
1981), se constituindo em uma fonte de dados de referência para auxiliar nas análises sobre a
problemática.
Todavia, o conhecimento acerca das metodologias empregadas no monitoramento da
desertificação, por meio das técnicas de Sensoriamento Remoto, assume diferentes
direcionamentos (ZHANG et al., 2017). Esse contexto, refere-se ao fato da existência de várias
ramificações teóricas no emprego do Sensoriamento Remoto no estudo da desertificação,
derivados de sistemas sensores, índices espectrais, modelos matemáticos e indicadores distintos
(SYMEONAKIS, ELIAS et al., 2016).
Nesse sentido, as análises bibliométricas, em conjunto com as técnicas de mineração de
texto, podem auxiliar no reconhecimento de padrões na literatura científica (ZHANG et al.,
2017). Isso é importante, pois possibilita análises das tendências temáticas, metodológicas e
conceituais, levando em conta a sua variação no tempo, sendo de fundamental ajuda ao ser
empregada em campos da ciência ainda em desenvolvimento ou já consolidados (ZHANG et
al., 2017).
Embora alguns estudos de revisão envolvendo o processo de desertificação em conjunto
com a utilização das técnicas de Sensoriamento Remoto tenham sido propostos (HERRMANN;
ANYAMBA; TUCKER, 2005; LAMBIN, 1997), nenhum destes deu conta de demonstrar, listar
e mapear as principais tendências conceituais e metodológicas, restringindo-se a descrever
24
estudos de casos em diferentes partes do mundo. No sentido de apresentar uma revisão
estruturada que dê conta de abordar os tópicos supracitados, o presente trabalho objetivou
analisar as publicações em artigos científicos indexados na base de dados da Scopus, que
envolvem simultaneamente as temáticas de sensoriamento remoto e desertificação. Pretende-
se, com isso, responder as seguintes questões: i) onde surgem as principais publicações sobre a
temática abordada? ii) quais os principais institutos de pesquisa que publicam sobre o tema? iii)
quais os indicadores ambientais são mais frequentes nas publicações? iv) quem são os autores
que mais publicam? v) quais as publicações mais representativas?
2. MÉTODOS
Para responder as questões propostas nesse artigo de revisão bibliográfica, foram
utilizados dados quantitativos de artigos de referência, para produzir gráficos, tabelas, redes de
dados bibliográficos e redes de dados textuais. Os procedimentos metodológicos para alcançar
os resultados estão apresentados no fluxograma metodológico (Figura 1) e são descritos a
seguir:
2.1 – Base de Dados
A base de dados utilizada neste estudo foi extraída do scopus database. Esta possui
grande representatividade no cenário internacional, visto que possui mais de 22.800 títulos e
5.000 editores de diferentes países, bem como existem ferramentas para integração de
informações e para exportação de dados com grande potencial analítico, em pesquisas de
diferentes áreas do conhecimento (ELSEVIER B.V., 2017; VIANA et al., 2017).
Para identificar os artigos que tratam da temática proposta, foi realizada uma procura de
termos correlatos para inserir na ferramenta de busca da scopus. Isso foi importante para
detectar as variações textuais que dão conta do objetivo alvitrado. Sendo assim, os termos
(“Remot* sens*” or “satellite imag*” or “aerial photograph*” or “space-borne sensor*” or
“Earth Observation Satellite*” or “Earth Resources Satellite*”) AND “desertification” foram
utilizados como tópicos de pesquisa (VIANA et al., 2017). Estes termos foram localizados nos
títulos, resumos e/ou palavras-chave dos artigos, em 06 de agosto de 2018, para todas as
publicações disponíveis até o ano de 2017. Na busca, as revisões e os capítulos de livro foram
removidos, bem como os artigos que não tratam da temática.
Da plataforma da Scopus, foram extraídas métricas quantitativas para elaboração de
gráficos e tabelas referentes ao número de artigos produzidos em cada ano e ao número de
artigos que cada centro de pesquisa publicou. Isso foi importante para se obter o número de
25
publicações no tempo, bem como a sua distribuição geográfica, no que se refere aos centros de
pesquisa. Todos os dados do scopus database foram exportados no formato .csv para as
posteriores análises.
Além disso, para auxiliar nas discussões propostas nesse trabalho, foi realizada uma
busca pelos principais eventos e conferências mundiais que discutem o processo de
desertificação e das mudanças climáticas nas bases de dados da Organização das Nações Unidas
(ONU).
2.2 – Análise Bibliométrica
A partir da base de dados extraída da scopus foram produzidas redes oriundas de dados
bibliográficos e de dados textuais. Para isso, utilizou-se o VOSviewer 1.6.9
(www.vosviewer.com) (VAN ECK; WALTMAN, 2010), software desenvolvido para análise
bibliométrica da literatura científica (VAN ECK; WALTMAN, 2010). O método de
mapeamento VOS (Visualization of Similarities) foi utilizado para calcular e localizar cada
tópico em um mapa bidimensional de forma que a distância entre dois itens refletisse à
similaridade dos mesmos (WALTMAN; VAN ECK; NOYONS, 2010).
2.2.1 Redes Com Base em Dados Bibliográficos
Para este estudo, nas redes baseadas em dados bibliográficos, foram elaborados mapas
de co-autoria com base em autores e nos seus respectivos países. Estas, permitiram identificar
os autores que mais publicam, os que são mais citados, como eles interagem, bem como a
distribuição geográfica das publicações, no que se refere aos países de origem dos autores. Nas
redes de coautoria a seleção dos itens ou elementos é mais simples, pois o algoritmo de
mapeamento seleciona cada um dos autores e os conecta segundo seus trabalhos publicados
(VAN ECK; WALTMAN, 2010).
2.2.1 Redes Com Base Em Dados Textuais
Nas redes baseadas em dados textuais foram elaborados mapas de co-ocorrência
utilizando os termos como item de análise. Neste caso, o mapa VOS é resultado da extração
dos termos localizados nos títulos e resumos retirados da scopus database. Nessa proposta o
nível de complexidade é maior, visto que a quantidade de termos verificados é muito grande,
exigindo um algoritmo mais robusto e um filtro manual para remover termos insignificantes
das análises (VAN ECK; WALTMAN, 2010).
Para a geração desses mapas foram selecionados os termos com mais de 20 repetições
nos artigos científicos; foram removidas palavras insignificantes da rede; itens que representam
26
sinônimos ou abreviações foram unidos; foi utilizada a contagem binária, em que as repetições
dentro dos textos não são consideradas, ou seja, independentemente do número de aparições do
termo no resumo ou título, será contabilizado apenas uma vez; o método de agrupamento foi
aplicado para a formação de diferentes grupos, em que cada grupo é identificado por uma cor
distinta (WALTMAN; VAN ECK; NOYONS, 2010), e; a distância entre dois círculos
representa a similaridade entre eles (VAN ECK; WALTMAN, 2010). Os procedimentos
metodológicos efetivados neste estudo estão discriminados na Figura 1.
27
Figura 1. a) Fluxograma metodológico para alcançar os resultados demonstrados no presente artigo. Eles
expressam trajetórias reconhecidas dentro da análise bibliométrica da literatura científica. b) Etapas do trabalho
desenvolvidas no software vosviewer.
a)
b)
28
3. RESULTADOS
3.1 Informações Gerais
Ao examinar a base de dados da Scopus foram encontrados 692 artigos científicos
envolvendo as temáticas sensoriamento remoto e desertificação, de 1978 a 2017 (Figura 2).
Figura 2. Evolução anual das publicações que envolvem desertificação e sensoriamento remoto, disponíveis na
base de dados da Scopus. A linha azul indica a tendência de comportamento dos dados. Os pontos indicam o
número de publicações. A sombra cinza indica o intervalo de confiança dos dados.
A partir do gráfico de evolução anual das publicações que envolvem desertificação e
sensoriamento remoto (Figura 2), observa-se que o quinquênio mais representativo em número
de artigos é o equivalente aos anos de 2012 a 2017, com 37% das publicações. Observa-se
também que existe uma tendência de evolução do número de artigos em todos quinquênios,
com exceção do equivalente aos anos de 1982 a 1987, que produziu menos que os 5 anos
29
anteriores, com uma representatividade de 2% do total de artigos. Em 1980, 1986, 1989, 1993,
1997, 2001, 2006, 2009, 2011 e 2016 são anos de picos de publicações, em que se encontram
mais artigos que o ano anterior e que o ano posterior.
Dessas publicações, 373 (53%) estão associadas a subárea de ciências da terra, 336
(48%) a subárea de ciências ambientais, 224 (32%) a subárea de ciências biológicas e da
agricultura, 118 (17%) a subárea de ciências sociais, 76 (11%) a subárea de engenharia, 21 (3%)
a subárea de ciências da computação e o restante das subáreas aparecem com baixa
produtividade associada a temática.
Sobre os periódicos que apresentam artigos relacionados à temática, a busca retornou
153 distintos. Os 10 mais representativos em número de publicações estão demonstrados na
Tabela 1.
Tabela 1. Os 10 periódicos que mais publicaram artigos sobre desertificação e sensoriamento remoto em todo o
mundo.
Periódicos NP JCR
2017
International Journal Of Remote Sensing 29 1.782
Environmental Earth Sciences 28 1.435
Journal Of Arid Environments 28 1.989
Shengtai Xuebao Acta Ecologica Sinica 24 n.d
Nongye Gongcheng Xuebao Transactions Of The Chinese Society Of Agricultural
Engineering
20 n.d
Dili Xuebao Acta Geographica Sinica 19 n.d
Environmental Monitoring And Assessment 18 1.804
Remote Sensing 16 3.406
Land Degradation And Development 13 7.27
Remote Sensing Of Environment 12 6.45
Outro levantamento relevante no desenvolvimento deste trabalho foi a identificação
dos principais eventos e convenções de discussão das mudanças climáticas e da desertificação
que ocorreram no mundo inteiro. Os resultados verificados estão listados na Figura 3.
30
Figura 3. Linha do tempo das principais convenções e debates que discutem a desertificação, a degradação das
terras e as mudanças climáticas.
3.2 Distribuição Geográfica
A busca realizada na scopus retornou publicações em 68 países distintos, demonstrados
na rede que evidencia a relação das publicações entre os países (Figura 4). Dessa, percebe-se
que o dado mais relevante a ser observado é a disparidade na distribuição das pesquisas entre
os países, em que a China se destaca, seguida dos Estados Unidos e da Alemanha, com 306, 88
e 35 publicações, respectivamente.
31
Figura 4. Relação das publicações entre os países. O tamanho dos círculos é proporcional a quantidade de
publicações dos países. A espessura das arestas representa a intensidade das relações. As cores indicam a evolução
dos países, em número de publicações, no tempo.
No que se refere às tendências, por meio da rede de relação das publicações entre os
países (Figura 4), tornou-se possível observar que no início do século XXI, os Estados Unidos
e alguns países europeus, como a Bélgica, a Alemanha e a França, ocupavam a centralidade da
produção de pesquisas sobre a temática abordada. Contudo, após o ano de 2010, principalmente
a China, a Austrália e, mais recentemente o Brasil, ganharam notoriedade.
Dentre os institutos que mais publicam (Tabela 2), destacam-se o Chinese Academy of
Sciencese e o Cold and Arid Regions Environmental and Engineering Research Institute
Chinese Academy of Sciences, com estudos que perpassam pelo monitoramento dos elementos
do clima pela pesquisa sobre o processo de desertificação eólica, pelo estudo da cobertura
vegetal e no desenvolvimento de trabalhos que objetivam a recuperação de áreas desertificadas.
32
Tabela 2. Os 20 institutos que mais publicaram artigos sobre desertificação e sensoriamento remoto em todo o
mundo.
Afiliação das Publicações NP País
Chinese Academy of Sciences 137 China
Cold and Arid Regions Environmental and Engineering Research Institute Chinese
Academy of Sciences
34 China
Institute of Geographical Sciences and Natural Resources Research Chinese Academy
of Sciences
21 China
Beijing Normal University 20 China
Ministry of Education China 17 China
Chinese Academy of Forestry 16 China
Institute of Remote Sensing Application Chinese Academy of Sciences 16 China
University of Chinese Academy of Sciences 15 China
Beijing Forestry University 14 China
Nanjing Normal University 14 China
Peking University 13 China
University of Arizona 11 USA
Chinese Academy of Agricultural Sciences 11 China
Lanzhou University 11 China
Wageningen University and Research Centre 10 Netherlands
NASA Goddard Space Flight Center 10 USA
Kobenhavns Universitet 10 Denmark
Guizhou Normal University 8 China
Northeast Forestry University 8 China
Nanjing University 8 China
Dentre os 20 institutos que mais publicam, 16 são chineses, dois são centros de pesquisa
dos Estados Unidos (University of Arizona e a NASA Goddard Space Flight Center), uma
universidade holandesa (Wageningen University and Research Centre) e uma universidade da
Dinamarca (Kobenhavns Universitet). Os institutos dos demais países não aparecem entre os
mais representativos.
3.3 Principais Termos, indicadores e metodologias
A partir dos dados textuais localizados nos títulos, resumos ou palavras-chave dos
artigos e com a utilização da frequência de co-ocorrência, o mapa VOS selecionou 162 termos
com mais de 20 repetições nos artigos científicos, 90 foram unidos e/ou removidos por um filtro
manual e restaram 72 termos para a construção da rede (Anexo 1, Anexo 2 e Anexo 3), que é
apresentada na rede de relação dos termos que mais aparecem nos artigos científicos analisados
(Figura 5):
33
Figura 5. Relação dos termos que mais aparecem nos artigos científicos analisados. O tamanho dos círculos é
proporcional a quantidade de vezes que os termos aparecem. A espessura das arestas representa a intensidade das
relações. As cores indicam os clusters, que foram agrupados com base na proximidade dos termos.
A primeira observação a ser ressaltada na rede de relação dos termos que mais aparecem
nos artigos científicos (Figura 5) é a separação em quatro diferentes clusters. Em azul, termos
que perpassam pelos indicadores de desertificação, como: desmatamento, mudança no uso da
terra, erosão, salinização e outros. Em vermelho, têm-se termos mais generalistas, com temas
centrais como: desenvolvimento sustentável, sistema de informações geográficas e a China que,
se configura em uma importante unidade espacial de análise nos artigos científicos. Na cor
verde, aparecem os indicadores e os índices ligados a cobertura vegetal, com a evidência de
metodologias empregadas. Em amarelo verificam-se temas ligados as mudanças climáticas,
séries temporais e as principais fontes de dados de sensoriamento remoto associados à temática,
como as imagens do sensor Modis e do Landsat.
No que se refere as palavras centrais e mais relevantes, destacam-se os termos ligados
ao monitoramento da cobertura vegetal, os modelos, os índices e elementos ligados ao clima,
34
como precipitação e temperatura. Os modelos ocorrem em 161 publicações abrangendo os 692
artigos analisados, se constituindo como um tema relevante ao longo do tempo. Os índices,
especialmente os que são ligados ao monitoramento da cobertura vegetal, somados ocorrem
132 vezes nas publicações.
A Figura 6 evidencia os termos mais relevantes ao longo de uma série temporal.
Destacou-se, nessa visualização, o período em que cada indicador de desertificação esteve na
centralidade das discussões acerca da problemática.
Figura 6. Relação dos termos que mais aparecem nos artigos científicos analisados no tempo. O tamanho dos
círculos é proporcional a quantidade de vezes que os termos aparecem. A espessura das arestas representa a
intensidade das relações. As cores indicam a evolução dos países, em número de publicações, no tempo
Nota-se que os indicadores ligados ao mapeamento e monitoramento da cobertura
vegetal são as metodologias mais tradicionais do sensoriamento remoto, no que se refere ao
estudo do processo de desertificação. Os termos mais recentes estão ligados aos modelos, aos
índices e as mudanças no clima. Em maioria, os indicadores de desertificação aparecem em
tons de verde que, em média, se posicionam no centro da série temporal.
35
3.4 Autores que mais publicam e autores mais citados
A partir de análise de co-autoria, o mapa VOS, com enfoque para os autores que mais
publicam, retornou 47 autores com mais de 5 publicações (Figura 7). Desse resultado, tornou-
se possível a elaboração de duas tabelas que demonstram um ranking dos 10 autores que mais
publicam e dos 10 autores mais citados na base de dados analisada (Tabela 3a e Tabela 3b)
Figura 7. Rede de co-autoria. O tamanho dos círculos é proporcional a quantidade de publicação dos autores. O
tamanho das arestas representam a intensidade das relações entre os autores. As cores indicam clusters, que
demonstram autores que mais interagem no que se refere as publicações
36
Tabela 3. (a) Os 10 autores mais citados nos artigos sobre desertificação e sensoriamento remoto em todo o mundo
(b) Os 10 autores que mais publicaram artigos sobre desertificação e sensoriamento remoto em todo o mundo.
Na Figura 7 e nas Tabela 3a e Tabela 3b nota-se que em maioria os autores são
chineses, bem como é possível observar que as tabelas não são totalmente convergentes, ou
seja, os autores que mais publicam não são necessariamente os autores mais citados na literatura
científica.
4. DISCUSSÃO
Neste trabalho, foi possível constatar um aumento no número de publicações,
principalmente após o início do século XXI, se intensificando nos últimos 5 anos, após 2012.
Esse crescimento acompanhou a evolução das publicações sobre Sensoriamento Remoto como
ferramenta de análise espacial, constatado por Zhang et al. (2017) em uma análise
bibliométrica, de 2010 a 2015. Pesquisas no campo das ciências espaciais atrelam esse
crescimento aos avanços computacionais que possibilitaram e possibilitam a elaboração de
informações com maior agilidade e acurácia nos processamentos de dados geoespaciais
(HUETE; MIURA; GAO, 2003).
Em concomitância com o aperfeiçoamento dos processamentos computacionais,
ocorreram iniciativas de diagnóstico e mitigação das problemáticas ambientais, dentre as quais
a desertificação e seus indicadores configuraram-se como uma das abordagens de maior
preocupação social e acadêmica (ORGANIZAÇÃO DAS NAÇÕES UNIDAS, 1997). As
principais iniciativas em nível global são materializadas em reuniões de caráter técnico e
colaborativo, em que visam acordos de cooperação para a preservação do meio ambiente
(NASCIMENTO, 2013). Assim, torna-se possível inferir a importância dessas grandes reuniões
como evidenciada em picos de publicações no mesmo ano ou no ano posterior às conferências,
Ranking Autores Citações Documentos
1º Lambin E.F. 632 5
2º Wang T. 330 14
3º Hill J. 258 7
4º Yang X. 252 11
4º Xue X. 252 8
6º Karnieli A. 210 5
7º Wu J. 201 5
8º Li J. 197 8
9º Liu J. 193 11
10º Wu B. 189 11
Ranking Autores Citações Documentos
1º Wang K. 120 15
2º Wang T. 330 14
3º Yue Y. 95 12
4º Wang J. 104 11
4º Yang X. 252 11
4º Wu B. 189 11
4º Li H. 95 11
4º Zhang J. 39 11
4º Liu J. 193 11
10º Qin Z. 77 10
37
como exemplo, especificamente nos anos de 1993, 2002 e 2012, por influência da conferência
das Nações Unidas para o Meio Ambiente, da Cúpula Mundial para o Desenvolvimento
Sustentável e da Conferência da ONU sobre o Desenvolvimento Sustentável.
Ainda nesse sentido, é possível notar a relevância do surgimento da Convenção de
Combate à Desertificação-UNCCD da ONU para impulsionar a pesquisa científica sobre a
degradação da terra, visto que após 1996 o número de artigos cresce exponencialmente. Isso
ocorre pela elaboração de metas e planejamentos para diagnosticar, monitorar e mitigar os
problemas de degradação em terras secas, acordados pelos países nas grandes convenções.
Estes elementos são importantes para compreender o contexto das pesquisas que
envolvem as questões ambientais, que concatenam, por consequência, para a disseminação dos
estudos em instituições de pesquisa sobre o sensoriamento remoto e a desertificação nos
diferentes países. Dentre esses, a China se destaca como a principal unidade espacial de análise.
Sugere-se que isso é derivado de dois fatores fundamentais, que são: i) de acordo com Cui et
al. (2011) mais de 27% da China é acometida com problemáticas de susceptibilidade a
desertificação, oriundo de grandes amplitudes térmicas, solos naturalmente frágeis, entre outros
indicadores que colaboram para desencadeamento da problemática no país; ii) os investimentos
foram intensificados para a pesquisa acerca do diagnóstico, do monitoramento e da mitigação
dos efeitos da desertificação na China (CCICCD, 2006).(CUI et al., 2011)
A partir disso, os institutos de pesquisa chineses se fortaleceram e dominam, em termos
quantitativos, o cenário dos estudos sobre a desertificação, bem como apresentam um grande
potencial de inovação tecnológica para o desenvolvimento de técnicas e metodologias de
análises espaciais, por meio do Sensoriamento Remoto.
No que se refere aos termos mais frequentes, as metodologias mais usuais e os trabalhos
de maior representatividade, constatou-se que os índices direcionados ao monitoramento da
cobertura vegetal se constituem como uma das técnicas mais tradicionais do Sensoriamento
Remoto, dada a sua capacidade de detectar mudanças no padrão espacial das paisagens, sem
grandes custos computacionais (HERRMANN; ANYAMBA; TUCKER, 2005). Destes, O
Normalized Diference Vegetation Index (NDVI), direcionado aos estudos da desertificação, foi
o primeiro a ser aplicado, por Becker e Choudhury (1988), em uma publicação da Remote
Sensing of Environment, intitulada de “Relative sensitivity of normalized difference vegetation
Index (NDVI) and microwave polarization difference Index (MPDI) for vegetation and
desertification”.
38
Sobre as publicações referentes aos elementos do clima, as publicações são mais
recentes, dada a pouca disponibilidade de dados relativos aos fatores climáticos, em termos de
Sensoriamento Remoto. Entretanto, modelos robustos de monitoramento das secas e de áreas
desertificadas são apresentados no trabalho de Wang et al. (2012), que analisaram o processo
de desertificação em resposta às mudanças climáticas, promovidas pelas atividades humanas,
na China.
O primeiro estudo envolvendo os temas dessa análise, na base de dados da Scopus, foi
proposto por Myers et al. (1978), intitulado de “Remote Sensing for Monitoring Resources for
Development and Conservation o Desert and Semi-Desert Areas”. Na década de 80, as
publicações mais representativas em número de citações são: Becker e Choudhury (1988) e
Robinove et al. (1981). Estas, foram impulsionadas pelo surgimento das imagens do Sistema
Sensor LANDSAT. Robinove et al. (1981) aplicaram o cálculo do albedo em imagens
LANDSAT, para uma área teste no condado de Millard, no estado de Utah, Estados Unidos.
Becker e Choudhury (1988) testaram o Normalized Difference Vegetation Index (NDVI) e o
Microwave Polarization Difference Index (MPDI), em imagens do Nimbus7/SMMR e do
NOAA/AVHRR, constatando melhores resultados no MPDI para este estudo de caso.
Nos anos 1990, as publicações de Lambin (1997), Wielicki et al. (1998), e Del Valle et
al. (1998) são as que apresentam maior notoriedade, com 293, 184 e 91 citações,
respectivamente. De modo geral: Lambin (1977) discutiu, por meio de uma revisão, modelos
de monitoramento das mudanças de cobertura da terra em zonas tropicais, projeção de cenários
futuros e a efetividade destes métodos à época; Wielicki et al. (1998) trouxeram uma descrição
de um algoritmo para detecção de nuvens, e, Del Valle et al. (1998), realizaram um
monitoramento do processo de desertificação na Patagônia, por meio da análise de indicadores
físicos e biológicos, utilizando-se de técnicas de classificação em imagens NOAA/AVHRR.
Como resultado, detectaram que 93,6% do total da área analisada, encontram-se em diferentes
estágios do processo de desertificação.(DEL VALLE et al., 1998; WIELICKI et al., 1998)
Na primeira década do século XXI (2000-2009), as publicações e os pesquisadores
chineses começam a ganhar evidência, que é refletida pela ampla dominância na rede de co-
autoria (figura 6). Na literatura, o artigo mais citado é o elaborado por Herrmann et al. (2005),
com 387 citações, que discutiam o monitoramento da cobertura vegetal e suas implicações no
clima, no Sahel Africano. Para tal, utilizaram o NDVI, associados a dados de precipitação do
GCCP e do TRMM. No mesmo período, com 249 citações, Evans e Geerken (2004) realizaram
análises da cobertura vegetal, na região da Síria, utilizando-se também no NDVI. Tong et al.
39
(2004), produziram um estudo multitemporal com o objetivo de monitorar a “steppe
degradation”, na Mogólia-China, utilizando-se do “Steppe Degradation Index”, em uma série
temporal de Imagens do LandSat TM (1985-1999). (EVANS; GEERKEN, 2004; TONG et al., 2004)
De 2010 a 2017, foram publicados 411 artigos envolvendo as temáticas abordadas.
Nesse período, os estudos Dardel et al. (2014) e Wang et al. (2012), se constituem nas
referências mais citadas, com 99 e 87 citações, respectivamente. Dardel et al. (2014), se
constituem como um dos pioneiros nos estudos sobre a regeneração em áreas desertificadas,
com um estudo de caso no Sahel Africano, utilizando-se do NDVI em dados do AVHRR e do
MODIS. Estes constataram tendências positivas em zonas do Sahel, no que se refere à
regeneração de áreas problemáticas. Wang et al. (2012), relataram avanços nos estudos da
desertificação, sob a perspectiva climática e da vegetação em terras secas. (WANG L.,
D’ODORICO P., EVANS J.P., ELDRIDGE D.J., MCCABE M.F., CAYLOR K.K., 2012)(DARDEL et al., 2014)
5. CONSIDERAÇÕES FINAIS
Conclui-se que o sensoriamento remoto se constitui como uma fonte de dados relevante
para os estudos da desertificação, sobretudo para constatar as alterações nos padrões das
paisagens, geradas a partir das diferentes pressões ambientais provocadas pelas atividades
humanas, principalmente na dinâmica da cobertura vegetal e, mais recentemente, com o avanço
dos sistemas sensores, na dinâmica dos elementos do clima.
Essa constatação é importante para delimitar os principais eixos temáticos que discutem
a utilização do sensoriamento remoto no estudo da desertificação. Como exemplo, análises de
séries temporais de dados geoespaciais para diagnosticar e monitorar problemas de degradação
de terras secas em grandes escalas (e.g. no tempo e no espaço), bem como o mapeamento de
áreas recorrentes de desmatamento, eram barrados pela indisponibilidade de dados e pelo alto
custo computacional. Sendo assim, foi um dado relevante para o prosseguimento desta
pesquisa, sobretudo na delimitação do universo de análise que esse trabalho seguirá.
Sobre estas pesquisas, destacaram-se os pesquisadores e institutos chineses,
principalmente após o início do século XXI que, em maioria desenvolveram estudos para
monitorar a problemática em terras secas, com mais representatividade na própria China. Essa
conclusão é fundamental, visto que foi evidenciado um esforço sócio-político, para
diagnosticar, monitorar e mitigar a problemática na própria localidade.
40
REFERÊNCIAS
AB’SABER, A. N. Domínios de natureza no Brasil, potencialidades paisagísticas. São Paulo:
[s.n.], 2003.
BECKER, Francois; CHOUDHURY, Bhaskar J. Relative sensitivity of normalized difference
vegetation Index (NDVI) and microwave polarization difference Index (MPDI) for vegetation
and desertification monitoring. Remote Sensing of Environment, v. 24, n. 2, p. 297–311, 1988.
BELGIU, Mariana; DRĂGU, Lucian. Random forest in remote sensing: A review of
applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, v.
114, p. 24–31, 2016.
COUREL, M. F.; HABIF, M. Measurement of changes in sahelian surface cover using landsat
albedo images. Advances in Space Research, v. 2, n. 8, p. 37–44, 1982.
CUI, Guishan et al. Desertification monitoring by LANDSAT TM satellite imagery. Forest
Science and Technology, v. 7, n. 3, p. 110–116, 2011.
DARDEL, C. et al. Re-greening Sahel: 30 years of remote sensing data and field observations
(Mali, Niger). Remote Sensing of Environment, v. 140, p. 350–364, 2014. Disponível em:
<http://dx.doi.org/10.1016/j.rse.2013.09.011>.
DAWELBAIT, M.; MORARI, F. Monitoring desertification in a Savannah region in Sudan
using Landsat images and spectral mixture analysis. Journal of Arid Environments, v. 80, p.
45–55, 2012. Disponível em: <http://dx.doi.org/10.1016/j.jaridenv.2011.12.011>.
DEL VALLE, H. F. et al. Status of desertification in the Patagonian region: Assessment and
mapping from satellite imagery. Arid Soil Research and Rehabilitation, v. 12, n. 2, p. 95–121,
1998.
DIOUF, A.; LAMBIN, E.F. Monitoring land-cover changes in semi-arid regions: remote
sensing data and field observations in the Ferlo, Senegal. Journal of Arid Environments, v. 48,
n. 2, p. 129–148, 2001. Disponível em:
<http://linkinghub.elsevier.com/retrieve/pii/S0140196300907444>.
ELSEVIER B.V. Scopus: Content Coverage Guide. n. August, p. 28, 2017. Disponível em:
<http://www.elsevier.com/solutions/scopus/content%0Ahttps://www.elsevier.com/__data/asse
ts/pdf_file/0007/69451/0597-Scopus-Content-Coverage-Guide-US-LETTER-v4-HI-singles-
no-ticks.pdf%0Ahttps://www.elsevier.com/__data/assets/pdf_file/0007/69451/0597-Scopus-
>.
EVANS, Jason; GEERKEN, Roland. Discrimination between climate and human-induced
dryland degradation. Journal of Arid Environments, v. 57, n. 4, p. 535–554, 2004.
FERNANDES, Márcia Rodrigues de Moura et al. Mudanças do Uso e de Cobertura da Terra
na Região Semiárida de Sergipe. Floresta e Ambiente, v. 22, n. 4, p. 472–482, 2015. Disponível
em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2179-
80872015000400472&lng=pt&nrm=iso&tlng=en>.
GUAN, Qingyu et al. Spatial and temporal changes in desertification in the southern region of
41
the Tengger Desert from 1973 to 2009. Theoretical and Applied Climatology, v. 129, n. 1–2, p.
487–502, 2017.
HANSEN, M C et al. High-Resolution Global Maps of. v. 134, n. November, p. 850–854, 2013.
HERRMANN, Stefanie M; ANYAMBA, Assaf; TUCKER, Compton J. Recent trends in
vegetation dynamics in the African Sahel and their relationship to climate. v. 15, p. 394–404,
2005.
HUETE, Alfredo R.; MIURA, Tomoaki; GAO, Xiang. Land cover conversion and degradation
analyses through coupled soil-plant biophysical parameters derived from hyperspectral EO-1
Hyperion. IEEE Transactions on Geoscience and Remote Sensing, v. 41, n. 6 PART I, p. 1268–
1276, 2003.
JUNIOR, Israel De Oliveira. O Processo de Desertificação: a Vulnerabilidade e a Degradação
Ambiental no polo regional de Jeremoabo – Bahia. p. 278, 2014.
LAMBIN, E.F. Modelling and monitoring land-cover change processes in tropical regions.
Progress in Physical Geography, v. 21, n. 3, p. 375–393, 1997.
LAMCHIN, Munkhnasan et al. Assessment of land cover change and desertification using
remote sensing technology in a local region of Mongolia. Advances in Space Research, v. 57,
n. 1, p. 64–77, 2016. Disponível em:
<http://linkinghub.elsevier.com/retrieve/pii/S027311771500705X>.
NIMER, E. Desertificação: realidade ou mito? Revista Brasileira de Geografia, v. 50, p. 7–37,
1988.
ORD, J. K.; GETIS, Arthur. Local Spatial Autocorrelation Statistics: Distributional Issues and
an Application. Geographical Analysis, v. 27, n. 4, p. 286–306, 1995.
ORGANIZAÇÃO DAS NAÇÕES UNIDAS. Convenção das Nações Unidas de combate à
desertificação nos países afetados por seca grave e/ou desertificação, particularmente na África.
1997, Brasília, DF: Ministério do Meio Ambiente: [s.n.], 1997.
ROBINOVE, Charles J. et al. Arid land monitoring using Landsat albedo difference images.
Remote Sensing of Environment, v. 11, n. C, p. 133–156, 1981.
SANCHEZ-CUERVO, Ana Maria; AIDE, T. Mitchell. Identifying hotspots of deforestation
and reforestation in Colombia (2001–2010): implications for protected areas. Ecosphere, v. 4,
n. 11, p. art143, 2013. Disponível em: <http://doi.wiley.com/10.1890/ES13-00207.1>.
SIDHU, Nanki; PEBESMA, Edzer; CâMARA, Gilberto. Using Google Earth Engine to detect
land cover change : Singapore as a use case Using Google Earth Engine to detect land cover
change : Singapore as a use. European Journal of Remote Sensing, v. 51, n. 1, p. 486–500,
2018. Disponível em: <https://doi.org/10.1080/22797254.2018.1451782>.
SILVA, Emanuel Araújo et al. DINÂMICA DO USO E COBERTURA DA TERRA DO
MUNICÍPIO DE. p. 611–620, 2013.
STÉPHENNE, N.; LAMBIN, E. F. A dynamic simulation model of land-use changes in
Sudano-sahelian countries of Africa (SALU). Agriculture, Ecosystems and Environment, v. 85,
42
n. 1–3, p. 145–161, 2001.
SYMEONAKIS, E.; DRAKE, N. Monitoring desertification and land degradation over sub-
saharan africa. International Journal of Remote Sensing, v. 25, n. 3, p. 573–592, 2004.
SYMEONAKIS, Elias et al. Monitoring Sensitivity to Land Degradation and Desertification
with the Environmentally Sensitive Area Index: The Case of Lesvos Island. Land Degradation
and Development, v. 27, n. 6, p. 1562–1573, 2016.
TONG, C. et al. A landscape-scale assessment of steppe degradation in the Xilin River Basin,
Inner Mongolia, China. Journal of Arid Environments, v. 59, n. 1, p. 133–149, 2004.
VAN ECK, Nees Jan; WALTMAN, Ludo. Software survey: VOSviewer, a computer program
for bibliometric mapping. Scientometrics, v. 84, n. 2, p. 523–538, 2010.
VIANA, João et al. Remote sensing in human health: A 10-year bibliometric analysis. Remote
Sensing, v. 9, n. 12, p. 1–12, 2017.
WALTMAN, Ludo; VAN ECK, Nees Jan; NOYONS, Ed C.M. A unified approach to mapping
and clustering of bibliometric networks. Journal of Informetrics, v. 4, n. 4, p. 629–635, 2010.
Disponível em: <http://dx.doi.org/10.1016/j.joi.2010.07.002>.
WANG L., D’ODORICO P., EVANS J.P., ELDRIDGE D.J., MCCABE M.F., CAYLOR K.K.,
King E.G. Dryland ecohydrology and climate change: Critical issues and technical advances.
Hydrology and Earth System Sciences, v. 16, n. 8, 2012.
WESSELS, K. J.; VAN DEN BERGH, F.; SCHOLES, R. J. Limits to detectability of land
degradation by trend analysis of vegetation index data. Remote Sensing of Environment, v. 125,
p. 10–22, 2012. Disponível em: <http://dx.doi.org/10.1016/j.rse.2012.06.022>.
WIELICKI, Bruce A. et al. Clouds and the earth’s radiant energy system (CERES): Algorithm
overview. IEEE Transactions on Geoscience and Remote Sensing, v. 36, n. 4, p. 1127–1141,
1998.
ZANCHETTA, Anna; BITELLI, Gabriele; KARNIELI, Arnon. Monitoring desertification by
remote sensing using the Tasselled Cap transform for long-term change detection. Natural
Hazards, v. 83, n. 1, p. 223–237, 2016.
ZHANG, Hongyue et al. Bibliometric Analysis of Global Remote Sensing Research during
2010–2015. ISPRS International Journal of Geo-Information, v. 6, n. 11, p. 332, 2017.
Disponível em: <http://www.mdpi.com/2220-9964/6/11/332>.
43
ANEXO 1 – TODOS OS TERMOS MAPEADOS PELO VOSVIEWER
id term occurrences relevance score
1 accuracy 67 21.422
2 addition 43 0.4536
3 aeolian desertification 21 110.747
4 agriculture 39 0.5599
5 analysis 291 0.0723
6 application 79 18.034
7 approach 117 12.176
8 area 464 0.093
9 arid 45 0.3409
10 assessment 125 0.5395
11 author 42 11.532
12 basis 55 0.3991
13 biomass 32 1.626
14 case 39 0.5346
15 case study 64 0.2691
16 cause 70 15.143
17 change 313 0.2002
18 characteristic 82 0.493
19 china 202 11.065
20 classification 81 0.4661
21 climate 81 0.4962
22 climate change 60 0.8785
23 combination 46 0.556
24 comparison 41 15.613
25 correlation 43 17.219
26 country 44 0.8304
27 data 349 0.213
28 decade 69 0.5815
29 decrease 56 14.013
30 deforestation 39 12.998
31 degradation 158 0.1666
32 degree 78 0.8061
33 desert 99 0.5269
34 desertification process 450 0.2182
35 development 129 0.3852
36 difference 52 0.7581
37 distribution 57 0.624
38 drought 60 11.856
39 dryland 26 16.082
40 dynamic 100 0.2287
41 earth 29 20.261
44
id term occurrences relevance score
42 ecological environment 34 27.202
43 ecosystem 102 0.1675
44 effect 133 0.1187
45 environment 139 0.1631
46 erosion 89 0.485
47 estimation 34 32.023
48 evaluation 46 0.6085
49 evidence 35 16.236
50 evolution 49 0.6525
51 example 31 10.583
52 expansion 60 19.875
53 extent 71 0.3919
54 factor 161 0.338
55 farmland 36 15.325
56 field 51 0.7396
57 force 41 27.578
58 forest 74 0.4407
59 geographic information system 92 0.596
60 grassland 106 0.7429
61 ground 27 17.354
62 human activity 93 1.705
63 identification 33 18.154
64 image 171 0.1473
65 impact 105 0.3328
66 increase 126 0.7635
67 index 121 0.3012
68 indicator 99 0.9033
69 influence 56 0.4921
70 information 126 0.5361
71 inner mongolia 28 0.9024
72 intensity 32 0.8332
73 interaction 34 0.7517
74 investigation 54 0.3787
75 karst area 32 43.879
76 karst rocky desertification 28 50.694
77 km2 40 31.179
78 land 209 0.5311
79 land cover 50 0.254
80 land cover change 34 0.7738
81 land degradation 142 0.3094
82 land desertification 43 18.942
83 land use 83 0.2386
84 land use change 23 13.656
85 landsat image 80 0.4593
86 landscape 72 0.4417
45
id term occurrences relevance score
87 large area 23 11.667
88 level 100 0.2356
89 loss 43 0.5839
90 management 85 0.3556
91 mapping 108 14.751
92 mean 26 0.6358
93 methodology 52 21.509
94 model 161 0.4132
95 modis 23 17.941
96 monitoring 136 0.8299
97 natural factor 21 19.827
98 need 35 10.995
99 number 46 0.2876
100 observation 61 11.525
101 order 82 0.21
102 paper 147 0.2363
103 part 88 0.144
104 pattern 105 0.3653
105 period 146 0.3458
106 pixel 32 22.563
107 place 41 0.5811
108 population 46 0.9194
109 problem 117 0.2647
110 process 181 0.1249
111 rainfall 92 0.8833
112 rate 89 0.6521
113 reduction 42 0.5244
114 region 304 0.1085
115 relation 27 0.8809
116 relationship 73 0.5897
117 remote sensing 271 0.1334
118 research 87 0.2606
119 response 43 0.3534
120 risk 51 10.957
121 river 58 18.428
122 rocky desertification 30 4.496
123 sahel 40 43.378
124 salinization 29 0.874
125 sand 30 0.5437
126 sandy land 49 28.558
127 satellite data 149 0.8127
128 scale 98 0.3485
129 semi 24 0.8141
130 semi arid region 21 0.7399
131 sensing 20 0.8119
46
id term occurrences relevance score
132 severity 32 0.8004
133 shrub 27 17.667
134 site 50 13.484
135 soil 120 0.4461
136 spatial distribution 54 10.834
137 spatial pattern 28 0.7345
138 state 54 0.2543
139 status 56 0.4241
140 study 323 0.1216
141 study area 126 0.6034
142 study period 28 20.957
143 surface 66 0.8691
144 sustainable development 34 12.971
145 technique 104 0.627
146 temperature 68 0.5626
147 term 46 0.2727
148 time 85 0.1277
149 time series 65 0.3929
150 total area 57 20.259
151 trend 152 0.5117
152 type 149 0.3402
153 understanding 33 0.7112
154 use 90 0.9435
155 value 78 0.6683
156 variation 88 0.4223
157 vegetation cover 183 0.2485
158 vegetation index 132 11.808
159 water 62 0.2367
160 work 36 16.506
161 world 40 0.3626
162 year 189 0.3998
47
ANEXO 2 – TERMOS QUE PERMANECERAM NAS REDES
id term occurrences relevance score
1 accuracy 67 10.727
2 aeolian desertification 21 38.666
3 agriculture 39 0.6406
4 arid 45 0.3175
5 biomass 32 11.082
6 china 202 0.9397
7 classification 81 0.3646
8 climate 81 0.407
9 climate change 60 0.6595
10 combination 46 0.5265
11 comparison 41 0.6816
12 correlation 43 11.797
13 deforestation 39 0.7958
14 degradation 158 0.3042
15 desert 99 0.3431
16 desertification process 450 0.4545
17 drought 60 18.209
18 dryland 26 10.956
19 ecological environment 34 24.977
20 ecosystem 102 0.1967
21 environment 139 0.2229
22 erosion 89 0.4998
23 estimation 34 13.529
24 evaluation 46 0.5713
25 farmland 36 16.315
26 forest 74 0.6278
27 geographic information system 92 0.7199
28 grassland 106 0.4932
29 human activity 93 0.9795
30 identification 33 12.787
31 image 171 0.2146
32 index 121 0.2247
33 indicator 99 0.6371
34 interaction 34 0.8197
35 investigation 54 0.5096
36 karst rocky desertification 28 55.619
37 land cover 50 0.3578
38 land cover change 34 0.6516
39 land degradation 142 0.33
40 land desertification 43 13.431
41 land use 83 0.2609
42 land use change 23 11.694
48
id term occurrences relevance score
43 landsat image 80 0.396
44 landscape 72 0.3946
45 large area 23 10.669
46 management 85 0.2349
47 mapping 108 0.7428
48 model 161 0.2394
49 modis 23 14.038
50 monitoring 136 0.326
51 natural factor 21 16.593
52 pixel 32 13.258
53 population 46 0.901
54 rainfall 92 11.853
55 remote sensing 271 0.2617
56 rocky desertification 30 45.696
57 sahel 40 56.868
58 salinization 29 0.6797
59 sandy land 49 17.611
60 satellite data 149 0.8432
61 semi arid region 21 0.6248
62 shrub 27 0.7267
63 soil 120 0.4218
64 spatial distribution 54 10.691
65 spatial pattern 28 10.569
66 sustainable development 34 1.72
67 temperature 68 0.7877
68 time series 65 0.5519
69 trend 152 0.4136
70 vegetation cover 183 0.2789
71 vegetation index 132 0.6491
72 water 62 0.2908
49
ANEXO 3 – TERMOS QUE FORAM UNIDOS
label replace by
ndvi vegetation index
normalized difference vegetation index vegetation index
desertification desertification process
gis geographic information system
landsat landsat image
map mapping
remote sensing data remote sensing
remote sensing image remote sensing
remote sensing technique remote sensing
satellite satellite data
satellite image satellite data
satellite imagery satellite data
satellite remote sensing satellite data
series time series
etm landsat image
class classification
desertified land desert
precipitation rainfall
woodland forest
rangeland grassland
soil erosion erosion
wind erosion erosion
northern china china
southwest china china
vegetation vegetation cover
50
CAPITULO 3 – DINÂMICA ESPAÇO-TEMPORAL DA COBERTURA DA TERRA
NO BIOMA CAATINGA: MAPEAMENTO DE HOTSPOTS DE DESMATAMENTO
APLICADO AO ESTUDO DO PROCESSO DE DESERTIFICAÇÃO
RESUMO: A desertificação caracteriza-se como uma das problemáticas de maior relevância à nível mundial e
pode ser melhor entendida como um caso extremo de degradação das terras que causa redução na biodiversidade
e na produtividade dos sistemas ambientais. Nesse sentido, o presente estudo objetivou analisar a série histórica
dos mapas de cobertura da terra para o bioma Caatinga, produzidos pelo projeto MAPBIOMAS, que correspondem
a mapeamentos anuais para uma série de 17 anos (2000-2016). A partir dos dados, buscou-se elaborar mapas de
transição de vegetação florestal natural para usos antrópicos em que foram mapeados hotspots de desmatamento.
Para tal, foi aplicado o índice estatístico de Ord & Getis, o qual gera valores de Z que indicam se as características
estão agrupadas estatisticamente a uma determinada distância. Em geral, o índice comparou uma taxa de
desmatamento local com uma taxa de desmatamento geral do bioma Caatinga para saber se a diferença entre elas
é estatisticamente significativa. Obteve-se como resultado uma matriz de correlação entre as classes mapeadas,
com os respectivos valores do coeficiente de Pearson e tendências de evolução das classes. Gerou-se mapas de
desmatamento para cada ano da série temporal, bem como produziu-se mapas de frequência dos dados de
desmatamento. Este estudo identificou áreas com problemáticas recorrentes de desmatamento dentro do bioma, o
que possibilita estudos em escalas de mais detalhe nessas localidades, para identificar as pressões ambientais
exercidas sobre essas áreas, bem como facilita a ação do poder público e das instituições de preservação do meio
ambiente para a fiscalização dessas áreas críticas.
PALAVRAS-CHAVE: terras secas, desmatamento, sensoriamento remoto.
ABSTRACT: The desertification characterizes itself as one of the problems of biggest relevance in the word,
better understood as an extreme case of land degradation that causes reduction in biodiversity and productivity of
the environmental system. In this sense, the current study intends to analyze the historical series of the ground
coverage maps regarding the Caatinga biome, produced by the PROJETO MAPBIOMAS project, which
corresponds to yearly mappings for a 17-year-old series (2000-2016). Starting from the data, it sought to elaborate
maps regarding the transition of natural forest vegetation for anthropic uses, in which hotspots of deforestation
were mapped. For such, it the Ord & Getis statistical index was applied, which generates Z values that point out if
the traits are statistically grouped within a certain distance. In general, the index compared a local deforestation
tax to a general deforestation one of the Caatinga biome to know if the difference between them is statistically
significant. It had as a result a correlation matrix between the mapped classes, with the respective Pearson’s
coefficient values and a tendency to class evolution. Deforestation maps were generated for each year of the
temporal series, as well as frequency maps, regarding deforestation data, were produced. This study identified
areas with recurrent deforestation problems within the biome, which enables studies in with more detailed studies
in those locations, to identify environmental pressures exercised within those areas, as well as it makes it easier
for the public power and environment preservation institutions monitor those critical areas.
KEY-WORLD: drylands, deforestation, remote sensing.
51
1. INTRODUÇÃO
A desertificação caracteriza-se como uma das problemáticas de maior relevância à nível
mundial e, de acordo com Lamchin et al. (2016), pode ser melhor entendida como um caso
extremo de degradação das terras que causa redução na biodiversidade e na produtividade dos
sistemas ambientais. As áreas desertificadas ocupam 24,1% do globo terrestre e afetam mais de
1 bilhão de indivíduos(LAMCHIN et al., 2016).
Conhecendo a importância da investigação acerca da desertificação, diversas iniciativas
de pesquisa sobre o diagnóstico, a mitigação e a recuperação das áreas susceptíveis e em
processo de desertificação são iniciados (SYMEONAKIS, ELIAS et al., 2016). Nestes,
destacam-se as produções que envolvem as mudanças no uso e na cobertura das terras,
produzidas a partir de séries temporais de imagens de satélite, com a utilização das técnicas de
sensoriamento remoto. As publicações científicas envolvendo essas temáticas, possuem como
principais objetivos a geração de modelos de monitoramento e de simulação de paisagens
degradadas para cenários futuros (DIOUF; LAMBIN, 2001; LAMBIN, 1997; STÉPHENNE;
LAMBIN, 2001).
Todavia, os estudos multitemporais sobre o uso e cobertura das terras foram dificultados
pela indisponibilidade de mapeamentos de séries históricas para grandes áreas, como o Brasil.
Isso é derivado da dificuldade de processar séries de dados robustos, pois os custos
computacionais são elevados. A nível nacional existem iniciativas de mapeamento de uso e
cobertura da terra como o PROBIO (2002), o PRODES (1988) e outros. Contudo, expressam
resultados para periodos e/ou unidades territoriais específicas, focalizados principalmente no
monitoramento do Bioma Amazônia.
Com o advento de novas técnicas de processamento de grandes quantidades de dados
(“Big Data”) em nuvem, possibilitou-se a análise de longas séries temporais com uma vasta
cobertura espacial de regiões do planeta através de sensores remotos antes amostradas
pontualmente e/ou localmente em pequenas áreas (HANSEN et al., 2013; SIDHU; PEBESMA;
CÂMARA, 2018). Um dos principais exemplos de processamento de Big Data é a plataforma
Google Earth Engine, que possui um grande acervo de dados públicos disponibilizados
gratuitamente (HANSEN et al., 2013; SIDHU; PEBESMA; CÂMARA, 2018).
Por essa perspectiva o Projeto de Mapeamento Anual da Cobertura do Solo no Brasil,
destarte projeto MAPBIOMAS, têm desenvolvido uma série de metodologias para o
monitoramento do uso e cobertura das terras, por meio das técnicas de sensoriamento remoto e
do processamento digital de imagens em nuvem, na plataforma Google Earth Engine, com
52
pressupostos de redução dos custos para o mapeamento, qualidade nos mapas produzidos e
informações de acesso livre (PROJETO MAPBIOMAS, 2017).
Assim, o presente estudo objetivou analisar a série histórica dos mapas de cobertura da
terra para o bioma Caatinga, produzidos pelo projeto MAPBIOMAS, coleção 2.3, que
corresponde a mapeamentos anuais para uma série de 17 anos (2000-2016). A partir dos dados,
buscou-se elaborar mapas de transição de vegetação florestal natural para usos antrópicos em
que foram mapeados hotspots de desmatamento e a devida recorrência.
2. MATERIAIS E MÉTODOS
2.1 Área de Estudo
O bioma Caatinga, localizado na porção nordeste do Brasil (Figura 8), é caracterizado
por condições de pluviosidade reduzida, com acumulados de precipitação inferiores a
400mm/ano em zonas do bioma Caatinga, as altas temperaturas, com médias superiores a 25°,
a vegetação do tipo savana estépica, que perde suas folhas durante os períodos secos, as longas
estiagens, os solos rasos e muito arenosos, e outros (SEI, 1999), constituem as especificidades
que concatenam a caracterização biofísica do bioma Caatinga, bem como traduzem o cenário,
em macroescala, dos fatores que desencadeiam a susceptibilidade ao processo de desertificação.
.
53
Figura 8. Mapa de localização do Bioma Caatinga no nordeste do Brasil. O mapa foi elaborado a partir de um
mosaico mediana do sensor landsat8 para o ano de 2016. A composição colorida foi de falsa cor sendo a banda
SWIR1 no canal “red”, NIR no canal “green” e RED no canal “blue”.
54
2.2 Aquisição dos Dados
Os dados necessários para a realização deste trabalho foram adquiridos no dashboard
do projeto MAPBIOMAS (www.mapbiomas.org), os quais contam com: uma serie temporal de
17 mapas anuais (2000-2016) de cobertura da terra para o bioma Caatinga (PROJETO
MAPBIOMAS, 2017), mosaicos anuais de imagens Landsat (PROJETO MAPBIOMAS, 2017)
e o limite dos biomas do Brasil (IBGE, 2015).
Os métodos de produção dos mapas de cobertura das terras estão descritos no Algorithm
Theoretical Basis Document e são de acesso público para a comunidade cientifica (PROJETO
MAPBIOMAS, 2017). Em geral, os mapas são produzidos em ambiente de codificação, na
plataforma code editor, dentro do google earth engine. A metodologia é composta por técnicas
de processamento digital de imagens implementadas por meio de programação distribuída em
paralelo, bem estabelecida com a tecnologia de trabalho em nuvens. O classificador para a
obtenção dos mapas de cobertura da terra foi o algoritmo random forest uma variedade de
machine learning,. Este classificador cria uma coleção de árvores decisão estruturados
{ℎ(𝑥, 𝛩𝑘), 𝑘 = 1, . . }, onde os {𝛩𝑘} são vetores aleatórios igualmente distribuídos e
independentes, em que cada árvore molde tem um voto unitário para a classe mais popular na
entrada x (BELGIU; DRĂGU, 2016). Os mapas do PROJETO MAPBIOMAS possuem, em
média, 79,5% de acurácia global, para os 17 anos da série temporal.
Os mapas analisados vêm se constituindo em uma base cartográfica de referência para
a tomada de decisão acerca das investigações ambientais à nível de Brasil, visto que reúne
especialistas capacitados e técnicas modernas de mapeamento e monitoramento da cobertura
vegetal.
Na tabulação das classes de cobertura encontradas nos mapas produzidos pelo projeto
MAPBIOMAS são verificados 3 níveis hierárquicos de detalhamento (Tabela 4), que foram
organizados para discriminar os diferentes tipos de formações naturais identificadas. Este
trabalho enfatizou o primeiro nível hierárquico, que é constituído por 5 classes generalistas, que
são elas: fitofisionomias florestais; formações naturais não florestais; uso agropecuário; áreas
não vegetadas e; corpos d’água.
2.3 Análise dos Dados
Para promover uma melhor discussão dos resultados, foram elaborados gráficos de
evolução anual das classes de cobertura da terra, bem como foi elaborada uma matriz, com o
cálculo de correlação de Pearson, entre todas as classes para se obter as transições mais
55
representativas. Todos os dados foram processados no software RStudio, utilizando as
bibliotecas maptools, RColorBrewer, classInt, raster, rgdal, spdep e ggplot2.
2.4 Identificação dos Hotspots de Desmatamento
Após a aquisição dos mapas de uso e cobertura da terra, fez-se necessário a identificação
dos pixels de transição entre vegetação natural e áreas de uso. Com isso, foram binarizados os
mapas de cobertura da terra, em que as classes de vegetação natural receberam valor 1 e as
classes de uso receberam valor 0 (Tabela 4), visto que desmatamento pode ser definido como
a supressão da cobertura vegetal natural com a finalidade de distintos usos (SANCHEZ-
CUERVO; AIDE, 2013). Em seguida foi efetivada uma operação algébrica de subtração entre
os mapas binarizados, ano a ano, para toda a série temporal.
Tabela 4. Tabela de reclassificação das classes de cobertura da terra com base na coleção 2.3 do projeto
MAPBIOMAS.
Legenda Valor do Pixel Valor Reclassificado
1. Floresta 1
1
1.1. Florestas Naturais 2
1.1.1. Formações Florestais 3
1.1.2. Formações Savanicas 4
1.1.3. Mangue 5
1.2. Florestas Plantadas 9
2. Formações Naturais não Florestais 10
2.1. Áreas Úmidas Naturais não florestais 11
2.2. Vegetação Campestre (Campos) 12
2.3. Outras formações não florestais 13
3. Uso Agropecuário 14
0
3.1. Pastagem 15
3.2. Agricultura 18
3.3 Agricultura ou Pastagem 21
4.Áreas não vegetadas 22
4.1. Praias e dunas 23
4.2. Infraestrutura Urbana 24
4.3. Outras áreas não vegetadas 25
5. Corpos D’água 26
Para determinar se existe agrupamento espacial das mudanças de cobertura da terra das
classes de vegetação natural para outros usos foi aplicado um índice estatístico (ORD; GETIS,
1995), o qual gera valores de z que indicam se as características estão agrupadas
estatisticamente a uma determinada distância (SANCHEZ-CUERVO; AIDE, 2013). A técnica
permite a espacialização dos clusters de desmatamento nos mapas.
Para tal, os pixels foram reamostrados de 30m para 1000m, dada a dimensão espacial
do bioma Caatinga. Assim, foi utilizado método de distância fixa, em que optou-se por uma
distância de 5000m, para garantir que todas as janelas de desmatamento tenham pelo menos
56
uma outra janela vizinha (SANCHEZ-CUERVO; AIDE, 2013). Nessa análise, quanto maiores
os valores de Z, mais significativa é a taxa de desmatamento. Em geral, o índice compara uma
taxa de desmatamento local com uma taxa de desmatamento geral distribuída de forma aleatória
no bioma Caatinga para saber se a diferença entre elas é estatisticamente significativa.
Com a finalidade de identificar os hotspots de desmatamento mais intensos e mais
persistentes, foi realizada uma operação algébrica de adição de três mapas binarizados, em que
se assumiu valor 1 para os hotspots de desmatamento com valor de Z maior que 2, com valor
de Z maior que 5 e com valor de Z maior que 10, respectivamente. Isso foi importante para
verificar os pontos críticos de desmatamento que se repetem durante toda a série temporal.
Os procedimentos metodológicos para alcançar os objetivos propostos no trabalho estão
sintetizados na Figura 9.
57
Figura 9. Fluxograma metodológico para alcançar os resultados demonstrados no presente artigo.
3. RESULTADOS E DISCUSSÃO
O bioma Caatinga apresentou-se, apesar da forte tendência negativa, recoberto por
feições vegetais florestais durante toda a série temporal (Figura 10), com valores de cobertura
superiores a 40 milhões de hectares e com predominância de ocorrência da savana estépica que
58
possui como principal característica a alta sazonalidade, perdendo suas folhas nos períodos
secos e se reconstituindo após as chuvas.
Figura 10. Gráficos de evolução temporal das classes de uso e cobertura da coleção 2.3 do PROJETO
MAPBIOMAS. A linha preta indica a tendência de evolução das classes no tempo. A sombra cinza representa o
intervalo de confiança dos dados.
As áreas de uso agropecuário apresentaram grande representatividade no bioma, com
coberturas superiores a 20 milhões de hectares durante toda a série temporal. São
preferencialmente ocupadas para o pastoreio extensivo de bovinos e caprinos, bem como pela
agricultura de subsistência e para a implementação de grandes polos irrigados de fruticultura
como nos municípios de Juazeiro-BA, Petrolina-PE, Rodelas-BA, Livramento de Nossa
Senhora-BA e outros.
59
As formações naturais não florestais apresentam valores de cobertura superiores a 5
milhões de hectares para todos os anos da série temporal e são caracterizadas por feições
vegetais de grande e médio porte esparsas, alternadas com fitofisionomias de gramíneas. As
áreas não vegetadas e os corpos d’agua se constituem como as classes menos representativas
para o bioma, com números inferiores a 1 milhão de hectares de cobertura.
Por meio da análise dos gráficos da figura 10 tornou-se possível observar que, pela
tendência geral, a classe de formações vegetais florestais foi a única com significativa tendência
negativa, em que perdeu mais de 3 milhões de hectares nos 17 anos da série temporal. A classe
de uso agropecuário aumentou mais de 2 milhões de hectares, as áreas não vegetadas cresceram
400.000 hectares e as formações naturais não florestais cresceram 900.000 hectares. As áreas
recobertas por água, pela tendência geral apresentaram comportamento cíclico.
Figura 11. matriz de correlação das classes de uso e cobertura da coleção 2.3 do PROJETO MAPBIOMAS.
Quanto maior a correlação entre as classes, maior é o tamanho das fontes nos valores de correlação. As correlações
mais representativas também são marcadas com estrelas vermelhas. A linha vermelha indica representa as
tendências dos dados. “Solo” equivale a classe “outras áreas não vegetadas”. “Agr” equivale a classe
“agropecuária”. “Camp” equivale a classe “Formações Naturais Não Florestais”. “Flo” equivale a classe
“Formações Florestais”.
60
Como pode ser observado na Figura 11, a classe Formações Florestais apresentou
correlação negativa com todas as outras classes de uso e cobertura, exceto com os corpos
d’água. Isso é importante, visto que possibilita inferir que têm ocorrido uma redução da
cobertura florestal no tempo, em decorrência da ampliação das classes de Uso Agropecuário,
Formações Naturais Não Florestais e Áreas não vegetadas no bioma Caatinga. Dentre estas,
destaca-se a correlação, com coeficiente de Pearson de -0,97 entre Floresta e Uso Agropecuário,
o que, a partir dos dados observados, torna-se possível inferir que, em termos de correlação, a
substituição da cobertura natural florestal pelo Uso agropecuário é a transição mais
representativa.
Outra correlação importante a ser analisada é entre a classe de Uso Agropecuário e Áreas
Não Vegetadas, com coeficiente de Pearson de 0,93, denotando que a medida em que as áreas
de Uso Agropecuário vêm se expandindo, cresce também as áreas de solo exposto, o que pode
se configurar como novos vetores de degradação das terras, visto que nos solos desnudos os
processos de degradação são potencializados (AB’SABER, 2003). Em tese, atribui-se ao
crescimento das áreas não vegetadas, a expansão das terras abandonadas pela agricultura dentro
da área de estudo. Esses problemas são evidenciados em literaturas como a de Souza (2012),
que constatou a presença do processo de salinização em perímetros irrigados no norte da Bahia,
em função do manejo inadequado do solo e da irrigação, com o consequente abandono das
terras.
Uma série de trabalhos convergem para os resultados verificados neste estudo,
sobretudo no que tange a redução da cobertura vegetal natural para expansão das áreas agrícolas
em diferentes escalas de análise, para séries temporais distintas. Fernandes et al. (2015)
constataram a redução de 22,2% das áreas de Savana Estépica para a região semiárida do estado
de Sergipe de 1992 a 2013, bem como identificaram um aumento expressivo de 23,3% das
pastagens. Silva et al. (2013), observaram uma redução da cobertura florestal nativa de 14,8%
para o município de Floresta, no estado de Pernambuco. (FERNANDES et al., 2015; SILVA et al., 2013)
O índice de Ord & Getis (1995), possibilitou identificar o padrão espacial de distribuição
dessas áreas desmatadas no espaço e no tempo (Figura 12). Este, revelou que o bioma Caatinga
possui hostspots de desmatamento estatisticamente representativos espalhados por toda a sua
extensão.
61
2000 2016
Figura 12. Ilustração de hotspots de desmatamento para o bioma Caatinga de 2015 para 2016. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal. Os Demais mapas estão em anexo nessa dissertação
62
A análise localizou clusters de desmatamento persistentes, principalmente na porção
centro-norte da área de estudo nos estados do Piauí e do Ceará, como também foram verificados
hotspots de desmatamento na faixa de transição com o bioma Cerrado e na Chapada
Diamantina-BA. Este padrão de espacialização das áreas de desmatamento já foi citado nas
literaturas (AB’SABER, 2003), em que atribuiu-se à redução da cobertura vegetal natural à
implementação da pecuária extensiva por todo o bioma, o que produz pontos isolados de
redução da cobertura vegetal. Outro vetor de degradação amplamente difundido no bioma é a
retirada de madeira para a construção de cercas ou para a produção de lenha (AB’SABER,
2003; OLIVEIRA-JUNIOR, 2014).
O mapa de frequência de desmatamento para diferentes limiares de significância
estatística identificou as áreas mais críticas acerca das problemáticas de remoção da cobertura
vegetal natural. Evidenciou-se os hotspots de 16 repetições na série temporal com valor de z
maior que 2, 15 repetições com valor de z maior que 5 e áreas mais críticas de 11 repetições
com valor de z maior que 10.
Figura 13. Frequência de hotspots de desmatamento no bioma Caatinga. As cores mais quentes representam a
quantidade de anos com recorrência de hotspots de desmatamento. a) recorrência de hotspots com valor de z maior
que 2; b) recorrência de hotspots com valor de z maior que 5; c) recorrência de hotspots com valor de z maior que
10.
As áreas com valor de z maior que 2 e z maior que 5, e que possuem alta repetição no
tempo, já indicam zonas de transições representativas de cobertura e devem despertar interesses
para análises mais criteriosas acerca das pressões ambientais que estão sendo exercidas sobre
estas zonas. A intensificação do desmatamento pode provocar problemas ambientais
irreversíveis a curto prazo, sobretudo em áreas naturalmente frágeis (AB’SABER, 2003).
a) b) c)
63
As áreas com z maior que 10 e que mais se repetem no tempo, representam alerta de
susceptibilidade de ocorrência da degradação ambiental, sobretudo pelo processo de
desertificação. A constância da intervenção humana na deterioração da cobertura vegetal
engloba um dos indicadores do processo de desertificação (GUAN et al., 2017;
SYMEONAKIS, E.; DRAKE, 2004; SYMEONAKIS, ELIAS et al., 2016; ZANCHETTA;
BITELLI; KARNIELI, 2016). Nesse caso, existem clusters que se repetem em mais de 11 anos
da série temporal com taxas de desmatamento muito significativas estatisticamente.
Antigas áreas desmatadas para uso antrópico como recurso natural de consumo ou para
uso como recurso natural de sustentação, nos dias atuais são mapeadas como polos de
desertificação, a exemplo do polo de Jeremoabo no estado da Bahia, a região do Cariri na
Paraíba, algumas áreas no Rio Grande do Norte e outros. Nos mapas gerados, essas áreas não
aparecem nos clusters de desmatamento, visto que as mudanças ocorreram antes do período
analisado. A persistência da supressão da Cobertura vegetal para a implantação dos diversos
tipos de uso se constituem em “usos inadequados da terra”, que caracterizam, atrelados a outros
fatores já citados, o processo de desertificação (NIMER, 1988).
4. CONCLUSÕES
Conclui-se que a análise de séries históricas de dados sobre o meio ambiente, sobretudo
acerca da cobertura vegetal, constitui-se com uma poderosa ferramenta de geração de
informações para o diagnóstico e a mitigação do processo de desertificação em ambientes
naturalmente frágeis, como o bioma Caatinga.
Este estudo identificou áreas com problemáticas recorrentes de desmatamento dentro do
bioma, o que fornece subsídios para identificar as pressões ambientais exercidas sobre essas
áreas, bem como facilita a ação do poder público e das instituições de preservação do meio
ambiente para a fiscalização desses polígonos críticos.
As técnicas empregadas nesse estudo podem ser replicadas em ambientes que possuem
dados consistentes de uso e cobertura da terra. Isso amplia a relevância das aplicações das
técnicas de geoprocessamento para a geração de informações e para a análise de grande massa
de dados, associado a evolução das técnicas computacionais e das linguagens de programação,
sobretudo em áreas complexas de investigação, como as terras secas.
64
REFERÊNCIAS
AB’SABER, A. N. Domínios de natureza no Brasil, potencialidades paisagísticas. São Paulo:
[s.n.], 2003.
BECKER, Francois; CHOUDHURY, Bhaskar J. Relative sensitivity of normalized difference
vegetation Index (NDVI) and microwave polarization difference Index (MPDI) for vegetation
and desertification monitoring. Remote Sensing of Environment, v. 24, n. 2, p. 297–311, 1988.
BELGIU, Mariana; DRĂGU, Lucian. Random forest in remote sensing: A review of
applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, v.
114, p. 24–31, 2016.
COUREL, M. F.; HABIF, M. Measurement of changes in sahelian surface cover using landsat
albedo images. Advances in Space Research, v. 2, n. 8, p. 37–44, 1982.
CUI, Guishan et al. Desertification monitoring by LANDSAT TM satellite imagery. Forest
Science and Technology, v. 7, n. 3, p. 110–116, 2011.
DARDEL, C. et al. Re-greening Sahel: 30 years of remote sensing data and field observations
(Mali, Niger). Remote Sensing of Environment, v. 140, p. 350–364, 2014. Disponível em:
<http://dx.doi.org/10.1016/j.rse.2013.09.011>.
DAWELBAIT, M.; MORARI, F. Monitoring desertification in a Savannah region in Sudan
using Landsat images and spectral mixture analysis. Journal of Arid Environments, v. 80, p.
45–55, 2012. Disponível em: <http://dx.doi.org/10.1016/j.jaridenv.2011.12.011>.
DEL VALLE, H. F. et al. Status of desertification in the Patagonian region: Assessment and
mapping from satellite imagery. Arid Soil Research and Rehabilitation, v. 12, n. 2, p. 95–121,
1998.
DIOUF, A.; LAMBIN, E.F. Monitoring land-cover changes in semi-arid regions: remote
sensing data and field observations in the Ferlo, Senegal. Journal of Arid Environments, v. 48,
n. 2, p. 129–148, 2001. Disponível em:
<http://linkinghub.elsevier.com/retrieve/pii/S0140196300907444>.
ELSEVIER B.V. Scopus: Content Coverage Guide. n. August, p. 28, 2017. Disponível em:
<http://www.elsevier.com/solutions/scopus/content%0Ahttps://www.elsevier.com/__data/asse
ts/pdf_file/0007/69451/0597-Scopus-Content-Coverage-Guide-US-LETTER-v4-HI-singles-
no-ticks.pdf%0Ahttps://www.elsevier.com/__data/assets/pdf_file/0007/69451/0597-Scopus-
>.
EVANS, Jason; GEERKEN, Roland. Discrimination between climate and human-induced
dryland degradation. Journal of Arid Environments, v. 57, n. 4, p. 535–554, 2004.
FERNANDES, Márcia Rodrigues de Moura et al. Mudanças do Uso e de Cobertura da Terra
na Região Semiárida de Sergipe. Floresta e Ambiente, v. 22, n. 4, p. 472–482, 2015. Disponível
em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2179-
80872015000400472&lng=pt&nrm=iso&tlng=en>.
GUAN, Qingyu et al. Spatial and temporal changes in desertification in the southern region of
the Tengger Desert from 1973 to 2009. Theoretical and Applied Climatology, v. 129, n. 1–2, p.
487–502, 2017.
HANSEN, M C et al. High-Resolution Global Maps of. v. 134, n. November, p. 850–854, 2013.
HERRMANN, Stefanie M; ANYAMBA, Assaf; TUCKER, Compton J. Recent trends in
65
vegetation dynamics in the African Sahel and their relationship to climate. v. 15, p. 394–404,
2005.
HUETE, Alfredo R.; MIURA, Tomoaki; GAO, Xiang. Land cover conversion and degradation
analyses through coupled soil-plant biophysical parameters derived from hyperspectral EO-1
Hyperion. IEEE Transactions on Geoscience and Remote Sensing, v. 41, n. 6 PART I, p. 1268–
1276, 2003.
JUNIOR, Israel De Oliveira. O Processo de Desertificação: a Vulnerabilidade e a Degradação
Ambiental no polo regional de Jeremoabo – Bahia. p. 278, 2014.
LAMBIN, E.F. Modelling and monitoring land-cover change processes in tropical regions.
Progress in Physical Geography, v. 21, n. 3, p. 375–393, 1997.
LAMCHIN, Munkhnasan et al. Assessment of land cover change and desertification using
remote sensing technology in a local region of Mongolia. Advances in Space Research, v. 57,
n. 1, p. 64–77, 2016. Disponível em:
<http://linkinghub.elsevier.com/retrieve/pii/S027311771500705X>.
NIMER, E. Desertificação: realidade ou mito? Revista Brasileira de Geografia, v. 50, p. 7–37,
1988.
ORD, J. K.; GETIS, Arthur. Local Spatial Autocorrelation Statistics: Distributional Issues and
an Application. Geographical Analysis, v. 27, n. 4, p. 286–306, 1995.
ORGANIZAÇÃO DAS NAÇÕES UNIDAS. Convenção das Nações Unidas de combate à
desertificação nos países afetados por seca grave e/ou desertificação, particularmente na África.
1997, Brasília, DF: Ministério do Meio Ambiente: [s.n.], 1997.
ROBINOVE, Charles J. et al. Arid land monitoring using Landsat albedo difference images.
Remote Sensing of Environment, v. 11, n. C, p. 133–156, 1981.
SANCHEZ-CUERVO, Ana Maria; AIDE, T. Mitchell. Identifying hotspots of deforestation
and reforestation in Colombia (2001–2010): implications for protected areas. Ecosphere, v. 4,
n. 11, p. art143, 2013. Disponível em: <http://doi.wiley.com/10.1890/ES13-00207.1>.
SIDHU, Nanki; PEBESMA, Edzer; CâMARA, Gilberto. Using Google Earth Engine to detect
land cover change : Singapore as a use case Using Google Earth Engine to detect land cover
change : Singapore as a use. European Journal of Remote Sensing, v. 51, n. 1, p. 486–500,
2018. Disponível em: <https://doi.org/10.1080/22797254.2018.1451782>.
SILVA, Emanuel Araújo et al. DINÂMICA DO USO E COBERTURA DA TERRA DO
MUNICÍPIO DE. p. 611–620, 2013.
STÉPHENNE, N.; LAMBIN, E. F. A dynamic simulation model of land-use changes in
Sudano-sahelian countries of Africa (SALU). Agriculture, Ecosystems and Environment, v. 85,
n. 1–3, p. 145–161, 2001.
SYMEONAKIS, E.; DRAKE, N. Monitoring desertification and land degradation over sub-
saharan africa. International Journal of Remote Sensing, v. 25, n. 3, p. 573–592, 2004.
SYMEONAKIS, Elias et al. Monitoring Sensitivity to Land Degradation and Desertification
with the Environmentally Sensitive Area Index: The Case of Lesvos Island. Land Degradation
and Development, v. 27, n. 6, p. 1562–1573, 2016.
TONG, C. et al. A landscape-scale assessment of steppe degradation in the Xilin River Basin,
66
Inner Mongolia, China. Journal of Arid Environments, v. 59, n. 1, p. 133–149, 2004.
VAN ECK, Nees Jan; WALTMAN, Ludo. Software survey: VOSviewer, a computer program
for bibliometric mapping. Scientometrics, v. 84, n. 2, p. 523–538, 2010.
VIANA, João et al. Remote sensing in human health: A 10-year bibliometric analysis. Remote
Sensing, v. 9, n. 12, p. 1–12, 2017.
WALTMAN, Ludo; VAN ECK, Nees Jan; NOYONS, Ed C.M. A unified approach to mapping
and clustering of bibliometric networks. Journal of Informetrics, v. 4, n. 4, p. 629–635, 2010.
Disponível em: <http://dx.doi.org/10.1016/j.joi.2010.07.002>.
WANG L., D’ODORICO P., EVANS J.P., ELDRIDGE D.J., MCCABE M.F., CAYLOR K.K.,
King E.G. Dryland ecohydrology and climate change: Critical issues and technical advances.
Hydrology and Earth System Sciences, v. 16, n. 8, 2012.
WESSELS, K. J.; VAN DEN BERGH, F.; SCHOLES, R. J. Limits to detectability of land
degradation by trend analysis of vegetation index data. Remote Sensing of Environment, v. 125,
p. 10–22, 2012. Disponível em: <http://dx.doi.org/10.1016/j.rse.2012.06.022>.
WIELICKI, Bruce A. et al. Clouds and the earth’s radiant energy system (CERES): Algorithm
overview. IEEE Transactions on Geoscience and Remote Sensing, v. 36, n. 4, p. 1127–1141,
1998.
ZANCHETTA, Anna; BITELLI, Gabriele; KARNIELI, Arnon. Monitoring desertification by
remote sensing using the Tasselled Cap transform for long-term change detection. Natural
Hazards, v. 83, n. 1, p. 223–237, 2016.
ZHANG, Hongyue et al. Bibliometric Analysis of Global Remote Sensing Research during
2010–2015. ISPRS International Journal of Geo-Information, v. 6, n. 11, p. 332, 2017.
Disponível em: <http://www.mdpi.com/2220-9964/6/11/332>.
67
ANEXO 4 – MAPAS DE HOTSPOT DE DESMATAMENTO DA SÉRIE TEMPORAL
Figura 14. Mapa de hotspots de desmatamento para o bioma Caatinga de 2000 para 2001. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
68
Figura 15. Mapa de hotspots de desmatamento para o bioma Caatinga de 2001 para 2002. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
69
Figura 16. Mapa de hotspots de desmatamento para o bioma Caatinga de 2002 para 2003. As cores quentes evidenciam os
hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado, ano a ano, para a série
temporal.
70
Figura 17. Mapa de hotspots de desmatamento para o bioma Caatinga de 2003 para 2004. As cores quentes evidenciam os
hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado, ano a ano, para a série
temporal.
71
Figura 18. Mapa de hotspots de desmatamento para o bioma Caatinga de 2004 para 2005. As cores quentes evidenciam os
hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado, ano a ano, para a série
temporal.
72
Figura 19.Mapa de hotspots de desmatamento para o bioma Caatinga de 2005 para 2006. As cores quentes evidenciam os
hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado, ano a ano, para a série
temporal.
73
Figura 20. Mapa de hotspots de desmatamento para o bioma Caatinga de 2006 para 2007. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
74
Figura 21. Mapa de hotspots de desmatamento para o bioma Caatinga de 2007 para 2008. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
75
Figura 22. Mapa de hotspots de desmatamento para o bioma Caatinga de 2008 para 2009. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
76
Figura 23. Mapa de hotspots de desmatamento para o bioma Caatinga de 2009 para 2010. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
77
Figura 24. Mapa de hotspots de desmatamento para o bioma Caatinga de 2010 para 2011. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
78
Figura 25. Mapa de hotspots de desmatamento para o bioma Caatinga de 2011 para 2012. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
79
Figura 26. Mapa de hotspots de desmatamento para o bioma Caatinga de 2012 para 2013. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
80
Figura 27. Mapa de hotspots de desmatamento para o bioma Caatinga de 2013 para 2014. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
81
Figura 28. Mapa de hotspots de desmatamento para o bioma Caatinga de 2014 para 2015. As cores quentes
evidenciam os hotspots. Quanto mais avermelhado, maior a quantidade de pixel identificados como desmatado,
ano a ano, para a série temporal.
82
CAPITULO 4 – CONSIDERAÇÕES E RECOMENDAÇÕES FINAIS
Partindo das perguntas que nortearam esta pesquisa e o objetivo proposto, que foi
utilizar estruturas conceituais e analíticas dos indicadores de desertificação, por meio da análise
bibliométrica e de métodos tecnológicos em nuvem, baseados em séries históricas de dados
geoespaciais, no intuito de contribuir com o monitoramento ambiental e na identificação de
áreas susceptíveis a desertificação no bioma Caatinga, apresenta-se a seguir as principais
recomendações acerca dos resultados encontrados nesse trabalho.
Sobre o artigo 1: “DESERTIFICAÇÃO E SENSORIAMENTO REMOTO: 40 ANOS
DE ANÁLISE BIBLIOMÉTRICA” – Esse artigo possibilitou entender o padrão geral das
publicações referentes a desertificação com o uso do sensoriamento remoto. Isso foi importante
para compreender os principais fatores que propiciaram um crescimento do número de artigos
a partir do início do século XXI, como as grandes convenções e o aperfeiçoamento das técnicas
computacionais. Conseguimos também identificar os principais indicadores de análise do
processo de desertificação a nível mundial, que pela análise das redes, são as transições de
cobertura vegetal natural para usos antrópicos e, mais recentemente, as variações dos elementos
do clima. Ainda percebemos que a China possui os principais centros de produção de
conhecimento sobre desertificação utilizando dados de sensoriamento remoto. Todavia, estudos
topologia das redes ainda devem ser realizados. Outra análise que ainda se faz necessária
consiste em formular perguntas específicas para serem respondidas na análise individual
detalhada de cada artigo encontrado nas buscas. Isso é importante para expor técnicas que são
pouco replicadas, mas que podem evidenciar resultados promissores. Neste, focamos nos
artigos mais citados e mais recentes para realizarmos as análises.
Sobre o artigo 2: “DINÂMICA ESPAÇO-TEMPORAL DA COBERTURA DA
TERRA NO BIOMA CAATINGA: MAPEAMENTO DE HOTSPOTS DE
DESMATAMENTO APLICADO AO ESTUDO DO PROCESSO DE DESERTIFICAÇÃO”
– Este trabalho possibilitou analisar os resultados obtidos por processamentos digitais de
imagem em nuvem de computadores, que foi importante para demonstrar o potencial de utilizar
técnicas sofisticadas de sensoriamento remoto para produzir dados em larga escala (e.g., tanto
no tempo como no espaço). Com os hotspots de desmatamento conseguimos revelar áreas
críticas e de alta recorrência de desmatamento no bioma Caatinga, sobretudo na porção norte.
Isso é importante para caracterizar a desertificação, bem como mapear novos pontos de
degradação das terras nos últimos anos. Todavia, um estudo multiescalar se faz necessário, para
entendermos com maior propriedade como de fato ocorre a escala do processo de desertificação
83
no bioma. Com o lançamento de novas coleções, também se propõe a ampliação da escala
temporal de análise.
O estudo dos processos ambientais desenvolvidos no bioma Caatinga são de alta
relevância para a manutenção do equilíbrio ecológico a nível nacional e mundial. A Caatinga
é, sem dúvidas, o bioma de maior fragilidade ambiental do Brasil pois reúne as condições
socioambientais necessárias para acelerar os processos de degradação ambiental.
Como visto nesse trabalho de dissertação de mestrado, o sensoriamento remoto tem
contribuído fortemente nos estudos de desertificação em terras secas, principalmente em países
que investem nas investigações sobre a temática. Como exposto, o monitoramento da cobertura
vegetal se constitui, historicamente, como o principal indicador dos processos de degradação,
desde meados do século XX. Todavia, é necessário enfatizar a necessidade do desenvolvimento
de melhores tecnologias para monitorar os domínios das savanas e as terras secas. Os desafios
estão associados a alta variação sazonal intra-anual e inter-anual dos regimes de precipitação.
No Brasil, a legislação ambiental – felizmente - tem conseguido frear processos de
desmatamento e de degradação da vegetação nativa na Mata Atlântica, na Amazônia e até certo
ponto, no Cerrado. Sem legislação protetiva, a Caatinga é o próximo nicho de exploração
madeireira e de desmatamento para a implantação de grandes áreas agrícolas, como já tem
acontecido no Piauí, no Ceará e em zonas do Oeste da Bahia. Os mapas de desmatamento aqui
produzidos evidenciam essas problemáticas e funciona como material acessório para órgãos de
monitoramento e de fiscalização ambiental.
Outra vertente importante identificada no artigo de revisão bibliográfica é relativa aos
elementos do clima. Assim, sugere-se que, com a expansão das séries temporais e com dados
de sensores remotos mais precisos, esse tipo de monitoramento vem sendo possibilitado. Nesse
sentido, torna-se necessário investigar até que ponto os impactos provocados pelos seres
humanos vêm interferindo na alteração dos padrões dos elementos do clima e agravando as
problemáticas de degradação das terras, como a desertificação.